基于辐射状靶标的天绘一号卫星CCD相机分辨率在轨检测

分辨率是表示摄影成像系统和评价影像质量的重要指标,准确把握成像系统的分辨率在轨变化情况,关系到遥感影像的合理有效利用。本文采用地面铺设辐射状靶标的方法,利用天绘一号卫星获取的靶标影像,对搭载的CCD相机分辨率进行在轨检测,计算了成像系统沿轨和垂轨方向的分辨率,简要分析了检测结果的合理性。     

遥感图像空间分辨率改进值计算方法

为了克服超分辨重建后的遥感图像空间分辨率的界定还采用人工对比判读存在误差和结论不统一的缺点,利用调制传递函数、奈奎斯特采样定理和人眼极限频率,建立了一种新的空间分辨率客观评价方法。利用该方法计算超分辨率重建后的遥感图像相比原始遥感图像空间分辨率的提高倍数,从而推断出重建后遥感图像的空间分辨率的大小。在数值测试中,利用不同的超分辨率方法对分级变频矩形光栅图像进行重建,采用提出的空间分辨率评价方法,与归一化均方误差、峰值信噪比、信息熵、灰度平均梯度进行客观评价的结果一致。此方法为遥感图像空间分辨率改进值的计算提供了一种可行的量化模型。     

参考图像特征迁移的遥感影像超分辨率重建

针对现有遥感影像超分辨率方法在进行重建时,还存在色彩亮度不均衡、细节纹理不明显、难以重建缺失信息等问题,该文提出了参考图像特征迁移的遥感影像超分辨率重建方法。将采集自不同卫星的遥感影像作为参考信息,基于空间自适应去正则化方法和改进的卷积块注意模块,构建了相关特征自适应模块进行特征迁移。在提高遥感影像分辨率的同时,实现参考图像特征和低分辨率图像特征在色彩亮度分布上的一致,避免无关的参考信息对图像重建的影响。运用该文方法与其他超分辨率重建方法进行对比实验,客观评价指标峰值信噪比和主观视觉效果感知指标均优于对比方法,表明该文提出的重建方法能够有效改善超分辨率重建后图像的色彩和纹理,取得视觉感知表现更好的超分辨率重建效果。     

不同空间分辨率图像匹配

利用超分辨率重建技术进行不同空间分辨率图像匹配。利用高分辨率图像信息对低分辨率图像进行超分辨率重建。采用基于canny边缘点特征的图像匹配方法,试验表明超分辨率后图像配准误差减小。     

利用在线字典学习实现图像超分辨率重建的算法

图像超分辨率重建是通过对单张或多张具有互补信息的低分辨率图像进行处理,重建一张高分辨率图像的技术。在单张图像的超分辨率重建中,基于稀疏表示的方法取得了很好的效果,得到了广泛的应用。一张图像中不同区域的图像块的内容一般会有显著变化。而基于稀疏表示的超分辨率重建算法多采用固定的字典,无法适应每一个图像块的重建需求。提出了一种结合外部数据和输入图像自身信息进行超分辨率重建的方法,通过搜索待处理图像块的非局部自相似块,结合在线字典学习方法对字典进行更新,从而保证更新后的字典能够匹配待处理的图像块。采用包括遥感图像在内的5张图像进行实验,并与4种经典的超分辨率重建算法进行比较,实验结果表明,此算法在主观评价和客观评价方面都有更好的表现。     

基于双边结构张量的局部自适应图像超分辨率重建

利用超分辨率重建技术可以有效提高图像的空间分辨率,其中先验模型的选取尤为关键。在最大后验概率(MAP)的框架下引入双边结构张量测度,联合像素邻域4个方向的梯度算子提出一种局部自适应先验方法,构建图像超分辨率重建模型,并利用迭代重加权范数(iteratively reweighted norm)对其进行转换求解。基于标准的测试图像进行了实验,并将本方法与拉普拉斯先验、Huber-Markov先验以及BTV先验的重建结果进行对比,验证了该方法的有效性。     

基于导向滤波与迭代反向投影的遥感影像超分辨率重建

针对单帧遥感影像采取迭代反投影方法进行超分辨率重建时,重建图像的强边缘存在锯齿效应,在分析了导向滤波算法原理后,本文提出了一种将上述算法引入迭代过程来处理图像误差的方法,以进一步提升图像的高频信息,提高图像的重建质量。选取同时间不同地物的遥感影像作为实验数据,实验结果表明,本文重建的结果与双三次插值方法、边缘导向插值方法和迭代反投影方法相比,在客观评价指标上均有提高,改善了重建影像的纹理细节。本文提出的超分辨率重建方法,可以使重建影像提供更多的高频信息,具有较好的稳定性和鲁棒性。     

ALOS-PRISM遥感影像超分辨率重建

介绍了日本ALOS卫星PRISM三线阵传感器的成像原理和方法,提出了利用PRISM三线阵影像进行超分辨率重建来提高PRISM影像的空间分辨率.提出了新的光流配准算法,该算法将标准互相关配准算法引入到Lueas-Kanade光流配准算法中,大大的减少了误配率,能够有效的消除PRISM Level 1级别的影像之间由于地形起伏所引起的变形.同时,改进了影像的高斯退化模型,在超分辨率算法中,引入了可变退化函数,通过交替最小化(AM)算法对可变退化函数进行盲估计,实验结果表明,超分辨率重建影像与插值影像相比,细节清晰很多,有效的提高了影像的分辨率.实验结果说明了本文配准算法可以达到超分辨率重建的亚像素的精度要求,可以应用于航空遥感影像的高精度匹配,同时也说明了将航空遥感影像的退化函数算子分为高斯退化算子和可变退化算子的思想是正确的,符合实际情况.     

自相似性和边缘保持分解的超分辨率重建算法

针对目前遥感图像超分辨率重建中存在边缘细节信息重建效果不佳的问题,本文提出了—种自相似性特征和边缘特征保持分解的超分辨率重建方法。首先,为了充分利用原始低分辨率图像自身的相似性信息,通过局部自相似性重建方法得到图像的初始重建结果;然后,为进一步增加不同尺度的边缘信息,采用加权最小二乘法对初始重建结果进行多尺度边缘保持分解,并对分解的细节层进行加权线性组合;最后,通过优化计算,得到融合多尺度边缘、细节信息及局部相似性特征的超分辨率重建图像。利用多组仿真和遥感卫星图像进行对比试验。结果表明,该方法可有效提升遥感图像的边缘信息和细节信息。     

基于HVS的SSIM超分辨率重建图像质量评价方法

结构相似度(structural similarity)算法在图像评价中,因具有操作简单、运行高效、与主观评价关联性较强等优点而被广泛使用。但SSIM算法在对图像评价时忽略了图像的区域性和人眼的敏感度,其评价结果不能很好地与人眼视觉感知相符。并且当对超分辨率重建后的图像进行评价时,利用SSIM方法无法进行图像评价。针对以上问题,提出一种基于人眼视觉特性(Human Visual System)的SSIM超分辨率重建图像质量评价算法。该算法对图像进行尺度不变特征变换(SIFT),其评价结果与人眼视觉感知相符,提高了评价准确度,具有良好的评价性能。