基于FFT稀疏压缩感知域内遥感图像融合

压缩感知理论因其远低于乃奎斯特采样率的特性,减少了大量的采样数据。基于这一特性,提出一种在压缩感知域内进行遥感图像融合的方法。该方法首先对图像作快速傅里叶变换(FFT);然后进行测量采样获取压缩感知域数据;再采用权重法对数据进行融合;最后通过重构算法得到融合图像。通过实验得出压缩感知域内遥感图像融合具有数据量少,融合效果好等特点。     

基于压缩感知的地磁数据分频压缩与重构方法

构建高精度导航所用的地磁数据库时,需要对大量数据进行压缩。为保留必要的高频细节特征信息,提出一种基于压缩感知理论的数据分频压缩及联合重构方法。在余弦变换频域中对数据进行分频压缩编码,在数据重构算法中引入压缩感知理论。利用局部余弦变换系数作为线性测量观测值,通过解决小波变换域l1范数和时域稀疏梯度全变差正则化的模型,精确重构原始数据高频信息。利用实测地磁数据进行仿真试验的结果表明,仅使用25%的分频压缩采样测量系数,可精确重构原始数据;在相同压缩比下,分频压缩感知重构算法与传统滤波逆变换方法相比具有更高的精度,且峰值信噪比最大可提高5dB左右。     

基于压缩感知的地磁数据分频压缩与重构方法EI北大核心CSCD

构建高精度导航所用的地磁数据库时,需要对大量数据进行压缩。为保留必要的高频细节特征信息,提出一种基于压缩感知理论的数据分频压缩及联合重构方法。在余弦变换频域中对数据进行分频压缩编码,在数据重构算法中引入压缩感知理论。利用局部余弦变换系数作为线性测量观测值,通过解决小波变换域l1范数和时域稀疏梯度全变差正则化的模型,精确重构原始数据高频信息。利用实测地磁数据进行仿真试验的结果表明,仅使用25%的分频压缩采样测量系数,可精确重构原始数据;在相同压缩比下,分频压缩感知重构算法与传统滤波逆变换方法相比具有更高的精度,且峰值信噪比最大可提高5dB左右。     

基于解析字典的图像压缩方法

随着高分辨率图像采集技术的发展,采集图像的数据量大幅增加给图像的压缩、存储和传输带来了严重的挑战。近年来,压缩感知理论以能够通过少量观测信号高精度重建原始信号的优势给图像压缩带来了新的思路。目前压缩感知理论的研究主要集中于综合模型,然而综合模型下图像数据的稀疏表示却存在着计算量大、耗时长的问题。提出了基于解析字典的图像压缩模型。在分析综合模型字典学习方法的基础上介绍了解析模型字典学习的流程,然后详细分析了基于解析字典的图像压缩的总流程。以标准测试库自然图像为数据对模型的重构质量和系统耗时进行了分析,结果表明,本文所提模型在采样率相同的情况下,相对其他模型不仅能够缩短系统的耗时,也提高了图像重构的准确性。     

压缩感知在传感器网络变形监测中的应用

在无线传感器网络变形监测中,数据压缩具有重要意义,压缩感知的非对称压缩与重构特点适合资源有限的传感器网络。在介绍压缩感知理论的基础上,结合实际数据分析了原始信号的稀疏性,对压缩感知算法进行实验,并从压缩率、重构误差方面与传统压缩方法进行比较。分析表明,压缩感知理论在这两方面不如传统压缩方法,但能以较低的采样率进行采样,并较为准确地重构出原始信号,在高频信号的采样压缩方面有明显优势。     

一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

提出了一种基于稀疏表示和纹理分块的单幅遥感影像超分辨率方法,主要利用先验知识及影像自身的纹理信息重构遥感图像。首先,提取用于字典学习的图像块,从高、低分辨率遥感图像块中训练出冗余字典,采用正交匹配追踪方法更新字典,用迭代的方法直到算法收敛;然后,将训练的字典应用于遥感影像超分辨率重构。重构时将图像块分成平滑块和非平滑块两种类型,平滑块采用双三次卷积方法重构,非平滑块采用低分辨率遥感图像块的稀疏表示系数及高分辨率图像块冗余字典重构。实验结果表明,此方法重构速度较快,并在视觉及客观评价指标上有较好的超分辨率效果。     

基于压缩感知的无人机航拍遥感图像动态重构方法

针对当前无人机航拍遥感图像动态重构效果不佳,图像清晰度较低的问题,提出基于压缩感知的无人机航拍遥感图像动态重构方法.构建无人机航拍遥感影像降质模型,获取图像特征信息,进一步对无人机航拍遥感图像进行降噪预处理,更好地提高无人机航拍遥感图像的分辨率、光谱和多时相趋势,有效解决采样数据量大、采样时间长、数据传输存储量大等资源浪费问题.最大程度上提高无人机航拍遥感图像的采样率、降低无人机航拍遥感图像动态重构复杂度,有效获得高质量的图像重建的研究要求.实验结果表明,提出的基于压缩感知的无人机航拍遥感图像动态重构方法正确有效,优于目前的主流方法.     

顾及影像稀疏特性的压缩感知超分辨率重建

针对传统压缩感知信号重构仅实现对原始图像的复原和逼近,无法实质性提高影像分辨率问题,该文提出一种非退化的压缩感知超分重构方法。从图像传感器的结构分析数字影像的稀疏特性,进而以插值图像为指导,采用非线性的压缩感知优化重建方法,实现了非退化的单帧图像超分辨率重建。研究表明:该文方法改变了影像采集的过程和途径,弥补了传统压缩感知信号重构无法实质性提高影像分辨率的缺陷,且其重建图像的视觉效果及定量指标均优于传统插值法。     

过完备字典稀疏表示的云图超分辨率算法

提出一种基于过完备字典稀疏表示的云图超分辨率算法。首先,联合训练针对低分辨率与高分辨率云图块的两个字典Dl和Dh,保证对应的低分辨率与高分辨率云图块关于各自的字典具有相似的稀疏表示;其次,通过求解优化问题,获得待处理云图每个低分辨率云图块关于Dl的稀疏表示,并将表示系数用于Dh以生成对应的高分辨率云图块;最后,运用最速下降算法,得到满足重构约束的高分辨率云图。红外与可见光云图的数值实验验证了本文算法的有效性,表明本文算法在视觉效果及PSNR指标上均优于插值方法。     

月球车图像超分辨率重建算法

为了更好地满足嫦娥探月工程二期中月球车导航和探测规划任务对图像数据的要求,提出了一种基于压缩感知的超分辨率图像重建方法,利用经过模糊处理并加入噪声的低分辨率图像重建原始的高分辨率图像,实现了月球车图像的超分辨率重建。算法采用局部Sparse-Land模型,从美国阿波罗计划获取的月面图像、嫦娥二期工程实验中获取的图像以及随机选取的自然图像中提取了大量训练图块,采用K-SVD算法完成了高、低分辨率过完备字典Ah和Al的学习,在对待重建图像进行有效分割的基础上,通过求解优化问题获得待处理低分辨率图块的稀疏表示,并将表示系数用于Ah以生成对应的高分辨率图块。最后,运用最小二乘算法,得到满足重构约束的高分辨率图像。实验结果表明,此算法在视觉效果及PSNR指标上均优于插值方法和Yang的方法。     

主题学习和稀疏表示的MODIS图像超分辨率重建

针对MODIS图像分辨率受传感器限制和噪声干扰,且分辨率局限在一定水平等问题,提出一种采用主题学习和稀疏表示的MODIS图像超分辨率重建方法,该方法通过双边滤波将MODIS图像的平滑及纹理部分分离,并将纹理部分看成是由若干"文档"组成的训练样本;运用概率潜在语义分析提取"文档"的潜在语义特征,从而确定"文档"所属的"主题"。在此基础上,针对每个主题所对应的图像块,采用改进的K-SVD方法训练若干适用于不同主题的高低分辨率字典对,从而可以运用这些字典对,通过稀疏编码实现测试图像相应主题块的超分辨率重建。实验结果表明,重建图像在视觉效果和PSNR等指标上均优于传统方法。     

面向星载CMOS相机的超时相工作方式研究

随着星载面阵CMOS探测器的广泛使用,使得获取超时相数据成为可能,这为新型对地遥感工作模式带来新的发展机遇。本文不再局限于采用单一技术解决单一技术指标的传统解决问题的方式,系统性地提出一种面向星载面阵CMOS相机的新型成像方式,利用面阵CMOS相机连续快速曝光在极短的时间内获取同一观测区域的超时相序列数据,通过图像重建的方式,实现一揽子的图像质量提升,即同时实现虚拟数字时间延迟积分TDI（Time Delay Integration）、调制传输函数MTF（Modulation Transfer Function）补偿和空间分辨率GSD（Ground Sampling Distance）提升。这种新型成像方式的优点是,可以改善星载光学相机是探测器受限系统的窘境,进而在不改变光学系统的情况下,通过求解一个病态方程,实现对地遥感图像空间分辨率与成像质量的综合提升。基于实验室的靶标仿真实验数据、基于低轨光学遥感卫星OVS-1A、吉林一号视频03卫星和高分四号卫星的真实数据实验结果表明,无论是信噪比,图像清晰度还是空间分辨率都有明显提升。这种新型成像方式已被中国后续某地球同步轨道光学成像卫星所采用,可以预见的是,这种成像方式不仅可以使得在轨卫星发布更高分辨率与更好图像质量的产品,盘活在轨卫星的探测资源;在实现同样空间分辨率与图像质量的前提下,可以有效降低光学相机载荷的体积与重量,进而可以有效降低未来光学卫星的研制成本。     

一种基于小波域的分形遥感影像压缩方法

解决大数据量遥感影像传输和存储问题的方案之一,是对遥感影像进行高保真快速压缩。通过对遥感影像进行小波变换产生子带频域之间的相似性,再利用分形方法对具有相似性的相邻高频子带进行编码,由高一级的子影像构造低一级的子影像,然后采用分形迭代解码和小坡变换的逆变换重建影像。实验结果表明,该方法在一定程度上能够提高压缩比,在压缩时间上比传统的分形方法有明显的缩短,并且压缩后影像信息的损失量较少,影像恢复的质量较好。     

资源三号测绘卫星自动云检测

光学卫星遥感影像自动云检测是卫星产品生产系统的一个重要环节。利用资源三号卫星编目生成的浏览图,采用树状判别结构进行云检测,对浏览图进行分块,提取子块图像的特征进行云地分类。由于云类和地物类过于繁杂,且浏览图的分辨率较低,传统通过图像特征对云地进行分类的算法有很大的局限性,针对这一问题,本文提出了在分类之前对原始的子块图像进行增强处理,扩大云和地物的纹理差异,然后以二阶矩、一阶差分等作为云地分类的图像特征,并在多尺度空间内进行特征延拓,经过综合分析估计云在影像中的比例。该云检测算法应用于资源三号卫星应用系统工程,实际测试结果表明,该算法能够较好地提升云量检测的准确率。     

结合双树复小波变换的四阶偏微分影像去噪方法

针对低阶偏微分方程去噪模型通常会使图像的灰度趋于分段常量而产生阶梯效应的问题,结合小波多尺度分解在图像处理中的应用,提出一种结合双树复小波变换(DT-CWT)的四阶偏微分方程(PDE)影像去噪模型。首先采用DT-CWT对噪声影像进行多尺度分解,保留分解后的低频分量不变,其他层复高频分量采用四阶PDE去噪模型去噪,然后重构相应层的高、低频分量,得到最终去噪后影像。对不同噪声强度下的ZY-3卫星影像去噪实验的结果表明,采用本文方法去除遥感影像噪声相比现有方法得到的去噪结果信噪比平均提高了1~2 d B,提高了去噪影像的结构相似度,在有效去除影像高斯噪声的同时能够较好地保留图像细节信息。     

变序字典学习AO-DL的资源三号遥感影像云去除

采用了一种压缩感知方法进行遥感影像去云。该方法以压缩感知为理论基础,在采用K-SVD字典学习与稀疏表示的正交匹配追踪算法(OMP)相结合的同时,在字典原子训练的过程中加入某种特定的排序规则,使得各个影像字典在拥有各自影像属性的同时其原子也具备相似的排列顺序,减小影像间差异的干扰,使得遥感影像受云和阴影污染区域的重建取得良好的效果。最后应用两组相同地区不同时域的资源三号卫星影像进行了试验验证。     

基于显著性图像与纹理特征的遥感影像云检测

遥感影像云检测是遥感影像处理中非常关键的环节,准确识别影像含云区域能够提升影像的利用价值。根据遥感影像的成像特点,将阈值法和纹理特征结合实现云和下垫面的分割。首先将影像从RGB(red-green-blue)空间转化为HSI(hue-saturation-intensity)空间,进而构建影像的显著性图像,利用Otsu法对显著性图像进行粗分割,再基于灰度共生矩阵分析云和下垫面的纹理特征,进一步提取出准确的云区。实验表明,该算法复杂度较低,提取效果良好。     

面向对象的高光谱遥感影像稀疏表示分类

稀疏表示用于高光谱遥感影像分类多是基于像素层次来处理的。文中提出一种面向对象的高光谱遥感影像稀疏表示分类方法。首先从高光谱影像中提取4个波段组成标准的多波段影像,进行面向对象的影像分割;然后计算各对象在各波段上的光谱均值,并选取少量样本进行训练;最后利用基于Fisher字典学习的稀疏表示进行高光谱遥感影像的分类。实验结果表明,该方法可以利用较少的样本得到较好的分类效果,与基于像素层的稀疏分类相比较,分类精度与效率均有所提高,分类结果更接近真实地物,避免了零碎图斑。