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。     

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。     

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。     

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。     

病态问题的奇异值分解算法与比较

简述了奇异值分解方法的基本原理,讨论了在大地测量病态问题中运用奇异值分解的两种基本策略,给出了选取截断参数和修正奇异值的方法,并对两者在减弱病态性原理上作了分析比较,最后以一个算例,验证了奇异值分解方法能有效地解决病态问题,提高了解的准确性和可靠性。     

基于奇异值分解的遥感图像鲁棒水印算法探讨

针对遥感图像的安全保护问题,文章提出了一种基于DCT-SVD和最近区间量化的鲁棒水印算法,将遥感图像进行分块,选择视觉掩蔽效应好的纹理子块作为嵌入区域,根据混合变换后的系数在各自所属区间上的位置,将系数进行最近区间量化来嵌入水印信息;利用密钥即可实现水印的提取,不需要原始遥感图像参与。实验结果表明,该算法对加噪、滤波、旋转、缩放、随机剪切、JPEG压缩等攻击均具有较强的鲁棒性,可有效保护遥感图像的安全。     

基于奇异值分解的快速室内可见光定位算法

为了提高室内可见光定位的稳健性和效率,对定位系统的算法部分进行优化,将定位问题考虑为三维点位拟合问题,利用奇异值分解技术,推导出一个用于确定接收器位置和朝向的闭合表达式。另外,使用智能手机的图像传感器作为接收器,对平面部署的35个网格点进行了测试。与常用的LM迭代式定位算法相比,本文算法定位速度更快,大约快30倍;且避免了由于错误的初始猜测而造成定位失败的可能性,在实际环境中实现了厘米级的高精度定位。     

基于奇异值分解的灰度级数字水印算法

提出了一种新的基于奇异值分解的灰度级数字水印算法。该算法将灰度级水印图像进行位平面分解后的数据从高位到低位分别嵌入原始图像子块奇异值分解后从大到小排列的奇异值中,并在算法中采取了抗亮度、对比度调整修正,使得该算法具备了抗亮度、对比度调整攻击的稳健性。实验结果表明,该算法具有很好的水印透明性,对亮度、对比度调整攻击具有特强的稳健性,并且对其他常见的图像处理攻击(如图像平滑、加噪声、颜色抖动和JPEG压缩等)也具有很强的稳健性。     

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。     

一种遥感影像超分辨率重建的稀疏表示建模及算法

为了对单幅低分辨率遥感影像的空间分辨率进行增强,提出了一种基于稀疏表示的超分辨率重建方法。该方法首先采用优化最小化方法学习高-低分辨率联合字典对,通过构造一个参数互相解耦的易于优化的代理函数,替代原来的参数互相耦合难以优化的目标函数,保证每一次迭代求解的值在局部范围内最优。然后,将学习的字典对用以指导其他低分辨率遥感影像的超分辨率重建。实验表明,与传统的插值方法相比,本研究算法在客观的评价指标上具有一定的提高,在主观的视觉效果上也取得一些改善,可为任意区域的单幅低分辨率遥感影像的超分辨率重建提供有用的高频细节信息,具有一定的普适性。     

一种基于去混叠影像配准方法的POCS超分辨率序列图像重建

简要介绍超分辨率重建的原理和数学模型,采用一种新的超分辨率重建算法,这种算法通过去除低分辨率影像由于欠采样而产生的频率混叠部分以及频率中心的部分低频,来实现图像的精确配准;在计算旋转角度时,通过在图像中心建立极坐标系,求取设定角度精度范围内关于幅度谱的函数,将2维的相关函数转换成1维相关,大大提高计算效率;最后该算法采用POCS方法进行序列图像的高分辨率重建。实验仿真结果表明该算法具有良好的配准精度和超分辨率重建效果,具有良好的应用价值。     

基于相干矩阵完全分解的PolSAR图像分解

目前,基于散射模型的非相干分解主要存在两个问题:一是忽略交叉极化信息导致体散射功率过高;二是未遵循非负特征值分解。因此,本文提出了基于相干矩阵完全分解的PolSAR分解方法。一是在非反射对称下进行极化分解,考虑交叉极化相位信息,将相干矩阵中的9个参数全部用于散射功率计算。二是将非负特征值约束引用到体散射参数的计算上。实验结果表明,城区的偶次散射功率值明显提高,森林部分体散射功率得到抑制。     

基于五株采样提升算法的图像二叉分解与重构

提出了一种基于五株采样的提升算法,实现了一分为二的分解与重构。通过此算法可以构造非线性的形态小波变换,保持图像的几何信息。     

基于张量分解的超光谱图像降秩与压缩

超光谱图像在常规的二维图像中加入了光谱维度,具有更大的信息量的同时也带来了较大的光谱冗余性,这给图像压缩带来了新的挑战。提出了一种基于张量分解的超光谱图像降秩与压缩方法,将超光谱图像视为三阶张量数据表示,并使用张量分解技术将原始观测张量分解为核张量与多个投影矩阵的乘积形式。这样,超光谱图像被压缩为了低秩张量,它可以通过张量反投影进行图像重构。实验证明张量分解技术能够将超光谱图像压缩到很低的比率,同时保持较低的重构相对误差。     

利用频谱解混叠方法实现超分辨率影像重建

基于信号处理的超分辨率影像重建技术，可以消除由影像系统引起的影像模糊和退化，同时恢复出光学权限外的频谱信息。首先简要介绍了超分辨率影像重建技术的意义和基本过程；并对影像配准与运动模型估计在超分辨率影像重建中的作用给予简要介绍；接着根据连续傅里叶变换(CFT)和离散傅里叶变换(DFT)的频谱混叠关系及CFT位移性质，推导出频谱解混叠的超分辨率影像重建模型；最后采用文献中的运动模型估计方法和本文的重建算法，对几组数据进行实验，获得了空间分辨率提高近1倍的影像。     

基于径向基函数神经网络的混合像元分解

遥感图像中普通存在着混合像元。对这部分像元进行分类（即混合像元分解）是遥感图像处理中的难点。基于主分量分析的混合像元分解 法是一种较为成熟的算法，但它存在着计算量大，适应性差等缺点。在深入研究混合像元分解原理的基础上，提出了用径向基函数神经网络拟合分解结果超平面，以实现混合像元分解的算法，实验结果证明：该算法的结果与基于主分量分析的混合像元分解算法结果相近（相关系数达到0．00），而计算量大大减少，具有较强的适应性。     

基于奇异值分解的拟稳平差法

简要介绍原有的拟稳平差法,提出一种基于奇异值分解的拟稳平差法,导出该算法的计算公式。并用实际算例分析比较新算法和原有算法,结果表明:新算法和原有算法等价。新算法公式简洁、计算简单,是一种可取的拟稳平差算法。     

基于小波分解的星载SAR图像纹理信息提取

论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，借助Daubechies3正交小波，对图像进行小波分解，将小波变换各个频带输出的l1范数作为纹理特征值。选取徐州市区局部的Radarsat卫星SAR图像，提取出纹理图像，实验证明，该纹理提取方法能有效地提取出面目标的纹理信息。     

基于神经网络的高光谱混合像元分解方法研究

当前遥感图像分类通常假设每一个像元都是由一类地物组成,对混合像元重视不够。但事实上许多像元都是混合像元,光谱是几种地物的混合光谱。高光谱遥感是当前遥感技术发展的前沿技术,特别在混合像元分解方面体现出明显的优越性。分别采用线性混合模型、BP神经网络等进行混合像元分解的试验,结果表明BP神经网络模型能够取得较好的效果。