非参数贝叶斯字典学习的遥感影像超分辨率重建

为充分利用样本及参数的先验信息,对Yang提出的基于稀疏表示的超分辨率重建算法进行了改进,提出了一种基于非参数贝叶斯字典学习的单幅遥感影像超分辨率重建方法。该方法利用Beta-Bernoulli过程进行字典学习,建立字典元素和各参数的概率分布模型,并通过Gibbs进行迭代抽样构成马尔科夫链,用其平稳分布来近似字典元素及各参数的后验分布,最后由低分辨率影像及高分辨率字典的后验分布重建出高分辨率遥感影像。对比双线性、双三次插值及Yang的方法,该算法在平均峰值信噪比方面分别提高了3.29、1.79、0.17 d B,在平均ERGAS方面分别降低了0.78、0.37、0.02 d B。该算法因加入了更多的先验信息,可以使重建影像提供更多高频细节信息,具有一定的普适性。     

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。     

顾及全局特征和纹理特征的遥感影像超分辨率重建方法

由于遥感设备的性能限制,使得采集的遥感影像质量受到影响,低分辨率的遥感影像限制了遥感解译应用的精度。当前针对遥感影像的超分辨率重建研究仍然存在重建后的遥感影像地物全局信息和纹理细节不足的问题。因此,本文提出顾及全局特征和纹理特征的遥感影像超分辨率重建方法,该方法利用生成对抗网络的特征学习能力,并对模型全局和纹理进行增强。一方面,地物全局特征增强部分用于解决当前研究中超分辨率重建模型对低分辨率遥感影像中全局遥感地物信息没有重视和利用的问题。在生成网络中引入自注意力模块,以获取全局地物注意力图的方式将遥感影像中相距较远的地物信息作为重建过程的参考。另一方面,遥感影像纹理增强部分用于解决超分辨率重建模型中超分辨率影像纹理信息不足的问题。本文方法引入纹理损失以优化生成网络参数并增强超分辨率重建后影像中的纹理信息。另外,为避免重建结果中的“伪影”现象,研究采用权值归一化代替批量归一化方法。试验结果表明,本文方法在遥感影像超分辨率重建过程中能增强遥感地物特征,同时可以实现地物的纹理细节精细化恢复,而且超分辨率重建结果的图像质量评价指标SSIM、FSIM和PSNR值分别达到了0.756、0.595和...     

基于字典学习的遥感影像超分辨率融合方法

鉴于多源遥感影像融合受现有分辨率的限制,结合稀疏表示理论,提出了一种基于字典学习的遥感影像超分辨率融合方法,可将多光谱影像的空间分辨率提升到全色影像空间分辨率的1倍或2倍。在遥感影像融合框架下,首先建立学习字典,利用冗余字典对影像稀疏表示,重构超分辨率;然后采用Gram-Schmidt(GS)光谱锐化法,融合得到超分辨率多光谱影像。利用QuickBird数据对提出的方法进行3个实验,结果都表明本文方法相对传统融合方法、传统超分辨率方法和其他字典学习方案具有一定优势,适用于遥感影像超分辨率融合,可为多源遥感影像融合的超分辨率问题提供1种可行的解决方案,而且对其他融合方法也有借鉴意义。     

遥感影像超分辨率重建的字典学习类算法

近年来基于字典学习的超分辨率重建技术已成为图像处理领域的研究热点,相比基于重建的超分辨率方法,基于学习的方法充分利用了先验知识,在放大倍数较高时,仍可取得较好的效果,因此被公认为一种非常有前途的方法。本文对国内外已有的基于字典学习的超分辨率重建方法进行了系统研究,梳理了3种基于字典学习超分重建算法的基本原理及优缺点。此外,本文根据遥感影像的特点,使用同一数据源进行字典学习,利用不同字典学习算法分别生成高、低联合字典对,采用不同尺寸大小及缩放倍数的测试图像,进行超分辨率重建,对各种算法的重建性能、鲁棒性和复杂度进行综合分析,进一步研究了各种算法对遥感影像不同应用需求的适用性。     

影像超分辨率重建技术在遥感中的应用

影像超分辨率重建是通过对多幅具有互补信息的低分辨率影像的处理,重建一幅高分辨率影像的技术,其在视频监控、医学诊断、遥感监测等领域具有很大的应用价值。以SPOT5和ADS40为例阐述了超分辨率重建技术在遥感观测系统中的应用现状,并给出了一种应用于多时相遥感影像处理的超分辨率重建方法。     

小波超分辨率重建算法及其在SPOT影像中的应用

影像超分辨率重建就是从一系列质量较差、分辨率较低的图像来重建图像质量更好、空间分辨率更高的影像的算法.在将所有低分辨率影像纳入同一参考格网中考虑的情况下,低分辨率数据相当于一非规则采样的交错采样数据.本文在多分辨率分析的基础上对基于小波的影像超分辨率重建理论进行介绍,并将现有的小波超分辨率重建算法推广到更一般的运动模型,以充分利用交错采样数据的内在规律性和结构特征,同时针对SPOT影像的特点,分析SPOT影像的调制传送函数,对SPOT重建影像进行包括去噪与解卷积的复原后处理.最后给出基于小波的SPOT影像超分辨率重建结果,表明遥感影像的超分辨率重建在应用中取得进展.     

基于密集卷积神经网络的遥感影像超分辨率重建

针对传统遥感影像超分辨率重建方法依赖同一场景多时相图像序列且需预先配准等缺点,本文提出了一种基于密集卷积神经网络的遥感影像超分辨率重建的方法。该网络直接将低分辨率遥感影像作为网络的初始输入,通过密集卷积神经网络学习影像的高阶表示,获得更具有表达能力的深层特征;同时,在网络中采用并行的1×1卷积滤波器结构,通过该结构减少模型参数;在重建网络中使用亚像素卷积可以更快地实现特征图的重建。在UCMerced_LandUse公共数据集上的实验表明:本文的网络模型提升了传统深度网络的影像重建性能,增强了重建图像的纹理细节并改善影像边缘失真,提升了重建影像的性能。     

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。     

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。     

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。     

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。     

基于增强生成对抗网络的滑坡影像集超分辨率重建

针对高分遥感影像用于滑坡智能识别缺少高清训练集的问题,在组建高清滑坡训练集过程中,为充分利用低分辨率滑坡影像,本文采用基于增强型生成对抗网络模型(ESRGAN)实现了低分辨率滑坡影像集超分辨率重建。ESRGAN模型在SRGAN模型基础上,通过移除批归一化层、加入多级残差网络与残差缩放系数,提升了生成器的特征提取性能与稳定性,并采用迁移学习方法,基于毕节滑坡影像集与云南南景高速公路滑坡影像集进行试验验证。试验结果表明,基于迁移学习的ESRGAN模型在峰值信噪比(PSNR)与结构相似性(SSIM)方面获得更高得分,超分辨率重建取得更优结果。本文研究结果为获取滑坡高分辨率遥感影像集提供了一种新的技术方法。     

月球虹湾DEM超分辨率重建算法研究

月面地形信息对于嫦娥3号的安全降落是至关重要的。本文提出了一种基于压缩感知的超分辨率DEM重建方法,得到了虹湾(嫦娥3号的拟着陆位置)的超分辨率DEM。该方法先根据经过模糊处理并加入噪声的低分辨率DEM重建原始的高分辨率DEM,采用K-SVD算法完成高、低分辨率过完备字典Ah和Al的学习;再获得低分辨率DEM块的稀疏表示,并将表示系数用于高分辨率字典以生成对应的高分辨率DEM块;最后运用最小二乘算法得到满足重构约束的高分辨率DEM。实验验证了算法的有效性,表明其在视觉效果及RMSE指标上均优于插值方法。     

基于APEX的遥感影像高分辨率重建

近年来对遥感影像的研究大多针对多幅影像进行处理,但由于满足多幅重建的影像获取困难且算法复杂,本文提出了一种基于APEX算法的新的遥感影像高分辨重建方法,这种方法可以利用单幅影像进行重建,减轻了数据的获取和处理难度。采用spot-5影像进行了重建实验,结果表明,该方法能够有效地提高遥感影像的分辨率,从而达到改善影像质量的目的。     

多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。     

Universal reconstruction method for radiometric quality improvement of remote sensing images

The performance of remote sensing images in some applications is often affected by the existence of noise, blurring, stripes and corrupted pixels, as well as the hardware limits of the sensor with respect to spatial resolution. This paper presents a universal reconstruction method that can be used to improve the image quality by performing image denoising, deconvolution, destriping, inpainting, interpolation and super-resolution reconstruction. The proposed method consists of two parts: a universal image observation model and a universal image reconstruction model. In the observation model, most degradation processes in remote sensing imaging are considered in order to relate the desired image to the observed images. For the reconstruction model, we use the maximum a posteriori (MAP) framework to set up the minimization energy equation. The likelihood probability density function (PDF) is constructed based on the image observation model, and a robust Huber–Markov model is employed as the prior PDF. Experimental results are presented to illustrate the effectiveness of the proposed method.     

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.