改进SA方法的卫星视频图像超分辨率重建

为了提高卫星视频图像的质量,针对SA方法中无法实现小数倍超分重建和"黑色格网"问题,提出了改进的SA超分辨率重建方法。对于小数倍超分问题,首先建立参考帧低分辨率图像坐标系,以超分倍数构建参考帧高分格网,按表达的物方元素一致的原则,把所有低分辨率图像和高分辨率图像的坐标系统一在一个参考坐标系下;对于"黑色格网"改善问题,在使用运动估计参数时,为了减少由于运动补偿造成的误差,取消传统SA方法中四舍五入的运动参数补偿方法,改为以待求点为中心确定容许误差,通过容许误差选择参估点,用参估点计算高分辨率网格像素,以减少"黑色格网"现象。利用仿真和真实的卫星视频数据实验验证了该方法的有效性。     

混合稀疏表示模型的超分辨率重建

超分辨率重建是当前卫星遥感数据空间分辨率提升的重要技术,但目前现有的超分辨率重建方法在处理具有复杂地物特征的影像时效果往往不佳。当遥感影像中包含有各种非均匀地物信息时,难以构建一种通用的模型来解决遥感影像的病态问题。基于此,本文结合图像稀疏表达与非凸高阶全变分理论,提出了一种混合稀疏表示模型的新型超分辨率重建方法 （MSR-SRR）。这种方法以遥感图像在多重变换域的稀疏性表达作为先验概率模型,通过正则化方法来完成超分辨率重构,不仅保留了超分重建结果影像的边缘信息,而且对影像中产生的“阶梯效应”进行了适当的平滑处理。该方法利用迭代重加权l1交替方向乘子方法进行求解,提高了算法的运行效率,改善了影像质量。为了证明所提出方法的有效性,MSR-SRR结果与非均匀插值、POCS和IBP等传统超分方法的重建结果进行了对比验证。结果表明,MSR-SRR方法的图像清晰度平均提升了31.74%,PSFs半峰宽度最大,高斯方差值达到1.8415,效果明显优于其他方法。为进一步评估MSR-SRR结果的实用性,本文以高分四号卫星（GF-4）影像作为样例,利用支持向量机（SVM）分类方法对超分重建前后的影像进行...     

基于参叉像元和非均匀B样条曲面的遥感图像超分辨率重建

遥感图像之间的信息互补可以提高图像分辨率,但插值方法易使图像边界模糊、部分细节信息丢失。针对这一问题,提出一种基于参叉像元与非均匀B样条插值相结合的遥感图像超分辨率重建方法。利用经灰度匹配和亚像元级几何配准的2景低分辨率图像,通过参叉交错像元采样到原图像网格2倍的网格中;对于没有值的坐标处用三次B样条插值,插值时选用非均匀的节点参数化方法,曲面图像网格点由邻域36个已知像元组成;在求解待插值点参数值时引入平行线法和黄金分割法迭代寻找最优值,使插值更准确;最后对插值后的图像进行复原处理,重建可视效果更好的"高"分辨率图像。对实验图像的评价表明,用本文方法重建的图像在清晰度、信息量、信噪比和分辨率等方面均有较大的提高。     

运动分割和光流估计的卫星视频超分辨率重建

针对卫星视频中存在局部运动目标的问题,该文提出了一种运动分割和光流估计联合约束的卫星视频超分辨率重建算法。首先通过视频帧间运动分割方法提取局部运动目标,获得其边缘信息;其次用光流方法对视频图像进行逐像素的运动估计,获得初始运动矢量场;利用分割边缘和运动矢量场进行联合约束,并统一运动目标内的光流矢量,获得纠正后的运动矢量场,并作为几何运动矩阵,将其补偿到超分辨率重建模型中生成高分辨率图像;最后用卫星视频数据进行实验,并与传统方法结果进行对比,证明该文算法可以有效地克服运动目标的伪影效应,提升了卫星视频的分辨率。     

局部自相似性与MRF网络模型的超分重建算法

针对局部自相似性重建方法的块效应问题,以及MRF网络模型方法外部训练库数据不相关性产生的图像重建误差问题,提出了一种结合局部自相似性和MRF网络模型的超分辨率重建方法。首先,利用图像局部自相似特性,引入自身冗余信息构建高分训练库,然后建立低分与高分训练库映射的MRF网络模型,通过置信传播算法求解MRF模型重建高分图像。以仿真和真实卫星图像进行超分实验,结果表明本文方法能够改善图像的细节,较好地去除了块效应,提高了地物边缘的清晰度。     

单应性约束的SAR图像序列MAP超分辨率重建

针对合成孔径雷达(SAR)图像序列超分辨率重建过程中对配准误差敏感的问题,该文提出了一种单应性约束的最大后验超分重建方法。首先,对SAR图像序列的中间帧做2倍上采样,将其作为基准图像,利用本文改进的尺度不变特征变换(SIFT)配准算法依次计算SAR图像序列的每一帧与基准图像之间的单应性。通过对待配准图像进行分幅、放大阈值、单应性筛选等操作,达到增加匹配点数量、有效去除误匹配的目的。然后,将单应性作为配准参数,对图像进行配准,并对配准后的图像进行重采样,重采样后的图像利用最大后验(MAP)超分算法进行超分重建,得到高分图像。实验结果表明,该文改进SIFT配准算法可以在保证匹配点对正确率较高的同时增加匹配点数量,且算法复杂度低。改进MAP重建算法与经典超分方法相比,图像质量更高,细节更好。     

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。     

基于深度学习的高分四号卫星图像超分辨率重建

针对高分四号卫星图像中波红外谱段空间分辨率远低于相应的可见光近红外谱段,提出一种基于深度学习的高分四号卫星图像中波红外谱段超分辨率重建方法。首先,设计卷积回归网络进行初步重建,利用8倍下采样的可见光近红外谱段和原始中波红外谱段训练回归网络。然后,设计卷积重建网络进行进一步重建,利用低分辨率初步重建结果和原始中波红外谱段训练重建网络。最后,将原始可见光近红外谱段依次输入到训练好的回归网络和重建网络,得到最终的中波红外谱段超分辨率重建结果。以湖北和江西部分地区真实数据进行试验,结果表明该方法能有效提高中波红外谱段空间分辨率,与其他方法对比均方根误差至少下降了7.54,且目视效果更清晰自然,有利于扩展高分四号卫星的应用范围。     

CX-6(02)微纳卫星超分辨率成像

面向微纳卫星高分辨率对地遥感,将超分辨率成像应用于中国整星60公斤级的CX-6(02)微纳卫星设计中,解决因体积和重量限制导致传统长焦距、大口径成像载荷无法应用于微纳卫星的问题。图像获取上,采用高帧频面阵CMOS探测器对同一地物目标多次曝光的方式,利用卫星姿态控制偏差和地速补偿来获得多帧具有亚像元位移的图像;超分辨率重建算法上,在变分贝叶斯框架下提出加权双向差分模型,提高先验概率模型的方向约束性,削弱观测方程求解的病态性。CX-6(02)星成像数据实验结果表明,本文的图像采样方法可获得较为充分的亚像元信息;相比传统的L1范数先验和全变分先验的变分贝叶斯超分辨算法重建结果,本文重建结果对反卷积运算导致的噪声放大具有更好的抑制作用,可获得两倍分辨率提升,有效提高数据质量和应用价值。     

基于SIFT匹配和RANSAC算法的超分辨率重建

图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术,其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像,本文提出一种基于SIFT匹配和随机采样一致性算法（RANSAC）的运动估计算法,该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配,然后使用RANSAC算法消除误匹配点并获取投影变换矩阵,从而获得图像序列间的亚像素级的运动信息;采用一组低分辨率序列图像进行试验,基于上述运动估计算法,采用迭代反投影进行超分辨率重建。试验结果表明,运动估计精度较高,重建影像具有较好的视觉效果,尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。     

基于改进迭代反投影算法的遥感影像超分辨率重建

针对单帧遥感影像进行超分辨率重建时,重建图像存在偏暗、纹理边缘不清晰等问题。在分析限制对比度直方图均衡化算法后,提出一种将上述算法与迭代反射投影算法相结合的改进方法。Matlab仿真实验结果表明,这种结合的算法既能提升图像对比度,其信息熵也优于传统的迭代反投影算法。     

高分五号高光谱数据融合方法比较

数据融合是解决高光谱卫星在时空分辨率等指标上受限的有效途径,探讨不同方法在GF-5高光谱数据上的融合效果,对GF-5高光谱数据的信息挖掘与推广应用有着重要意义。本文本着算法简单易用、适于推广的原则,采用GS（Gram-Schmidt）葛兰—施密特正交变换融合算法、GSA（GS Adaptive）自适应GS融合算法、CNMF（Coupled Non-negative Matrix Factorization）耦合非负矩阵分解融合算法、CRISP-W（Color Resolution Improvement Software Package with Wavelet transform）基于小波变换和CRISP-B（Color Resolution Improvement Software Package with Butterworth）基于巴特沃斯滤波器的分辨率提升融合算法、GLP（Generalized Laplacian Pyramid）广义拉普拉斯金字塔融合算法共6种融合方法,分别对BJ-2、GF-2、GF-1、GF-1C、GF-1D国产卫星多光谱数据与GF-5高光谱数据进行融合实验。通过目视分析、指标评价（相关系数、通用图像质量指标、峰值信噪比、光谱角、全局综合误差）、分类应用、时间成本4种方式对融合结果进行综合比较分析。结果表明,相融合的一组图像系列相同、空间分辨率相差越小,融合结果越好。CRISP-B、CRISP-W、GLP在提升空间分辨率、光谱保真度方面能达到较好的平衡,空间重建方面,GLP稍优且更稳定,CRISP-B、CRISP-W则在光谱信息保持方面稳定性更强且效果更好。数据源会对融合方法产生一定的影响,在光谱特征信息提取、分析等对光谱保真度要求高的工作中,GLP更适合同源数据（如GF-5与GF-1/1C/1D/2）融合,而在多源数据间（如GF-5与BJ-2）进行融合时,则优先选择CRISP-W。CNMF存在一定程度的色彩畸变,且运行时间较长。GSA、GS融合效果最差,其中,GSA不论是光谱保持能力还是空间分辨率提升能力均较GS更稳定。在小样本高光谱图像分类应用中,CRISP-B融合结果分类效果稳定,分类精度较高。GSA融合结果空间细节丰富,虽光谱失真较为严重,但同时增大了地物光谱分离度,仍适用于准确勾勒建筑物、道路等地物。本研究为GF-5高光谱数据与其他国产卫星多光谱数据融合方法的选择提供参考,有助于高分五号高光谱数据的应用与推广。     

可编程红外焦平面光谱成像技术研究

短波红外焦平面光谱成像技术已广泛应用于各个领域,在应用中发现背景辐射对系统成像质量及信噪比有明显的影响.本文针对影响系统信噪比的因素进行研究,基于可编程的短波红外焦平面探测器技术,提出设置背景参考行和差异化增益的方法,对背景辐射实时监测,并提高弱信号波段的信噪比.经过实验验证,相比于其他系统,采用此方法的短波红外焦平面超光谱成像系统在成像质量和信噪比方面明显提高.研究还表明,利用可编程的特性,选择任务需要的特征光谱波段,还可以进一步提高工作帧频,以满足更高分辨率的航天光谱成像.     

积分型非线性平差模型及其在超分辨率图像重建中的应用

超分辨率图像重建过程就是对同一目标进行多次观测,获取多幅低分辨率影像,利用低分辨率影像求取目标的真实影像,即求取高分辨率影像的过程。这一过程与测绘领域中对同一对象进行观测,用测量平差求取对象最佳值的过程类似。本文尝试用测量平差的方法来解决超分辨率重建的问题。文中首先建立了超分辨率重建的积分型非线性平差模型,提出了用二次函数将平差模型中的积分函数参数化,用最小二乘平差方法求解。基于所提出的平差方法,制定了图像重建的具体策略。该方法可以定量分析成果的好坏,可以成功避免出现病态问题等。试验结果表明,相对于传统的超分辨率重建方法获得重建图像的视觉效果有较大的提高,而且其峰值信噪比及结构相似性指数也有很大的提高,因此方法可靠且可行。     

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。     

高分二号异轨立体数据的森林高度提取

森林植被碳储量的空间分布格局及其动态变化是陆地生态系统碳收支核算的基础。作为森林地上生物量的重要指示因子,森林高度的精确估算是提高森林植被碳储量估算精度的关键。现有研究已证明,由专业星载摄影测量系统获取的立体观测数据可用于森林高度提取,但光学遥感数据最大的问题是受云雨等天气因素的影响严重。区域森林地上生物量产品的生产需要充分挖掘潜在数据源。国产高分二号卫星(GF-2)虽然不是为获取立体观测数据而设计的专业星载摄影测量系统,但其获取的图像空间分辨率可达0.8 m,且具备±35°的的侧摆能力,在重复观测区域可构成异轨立体观测。本文以分别获取于2015年6月20日和2016年7月19的GF-2数据作为立体像对,其标称轨道侧摆角分别为0.00118°和20.4984°,以激光雷达数据获取的林下地形(DEM)和森林高度(CHM)为参考,对利用GF-2立体观测数据进行森林高度提取进行了研究。通过对立体处理得到的摄影测量点云的栅格化得到DSM,以激光雷达数据提供的DEM作为林下地形,得到了GF-2的CHM。结果表明GF-2提取的CHM与激光雷达CHM空间分布格局较为一致,两者之间存在明显的相关性,像素对像素的线性相关性(R2)达到0.51,均方根误差(RMSE)为3.6 m。研究结果表明,在林下地形已知的情况下,GF-2立体观测数据可用于森林高度估算。     

一种基于 Contourlet 变换的遥感影像超分辨率重建改进方法

针对原有方法轮廓波(Contourlet)分解高频信息处理的不足,提出用零填充重采样代替双三次插值用于高频信息处理的新方法,该方法可使Contourlet分解后的高频信息重采样过程不引入噪声能量的同时获得理想的插值结果。改进方法利用Contourlet多分辨率分析的特征,以及零填充重采样方法较传统插值方法优越的性能,此两者相结合可改进原有方法的不足,提高单帧影像的超分辨率重建效果。经理论分析与试验验证,改进后方法的超分辨率重建结果无论在定性分析与定量对比上都要优于传统方法。     

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。     

面向对象和GURLS结合的高空间分辨率遥感数据云检测

遥感信息获取过程中云是重要的干扰因素,随着国产高空间分辨率卫星数据的应用,实现数据的准确云检测对有效获取地面信息具有重要意义。本文以高分一号、高分二号多光谱影像为数据源,利用图像分割获取了同质对象,基于对象光谱、纹理和几何8种属性特征建立了规则集,以规则集为输入,利用阈值法和GURLS分类器结合进行了云检测。针对不同时相和场景的高分数据,将该方法与基于像素的最大似然法和SVM法进行了对比,结果表明该方法云提取精度均在95%以上,Kappa系数在0.9以上。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。