基于压缩感知的航空影像超分辨率重建

详细介绍了压缩感知的研究现状和发展趋势,对压缩感知理论的原理、稀疏基的选取、测量矩阵的构造和信号的重建进行了详细阐述。在图像超分辨率重建技术的基本模型的基础上,基于压缩感知的图像超分辨率重建模型,使用小波基作为稀疏基,并使用改进的正则化正交匹配追踪算法对单幅图像进行超分辨率重建。最后,进行仿真实验,实现了基于压缩感知的单幅图像超分辨率重建,并且和传统的超分辨率重建算法进行对比。结果表明,基于压缩感知的图像超分辨率重建算法,取得了比较好的效果。     

一种新的利用梯度信息的图像质量评价模型

提出了一种将图像的梯度幅值、相位以及结构相似度(SSIM)三者相结合的图像质量评价新模型——梯度相似度(GSIM)模型,以及基于该模型的图像质量评价算法。新模型与SSIM模型及基于梯度的模型相比,不仅包含亮度、对比度和结构三部分信息,同时增加了梯度相位信息。通过对LIVE图像数据库的982幅失真图像和924幅遥感压缩影像的实验,结果显示新模型的性能优于其他模型。与SSIM等模型相比,新模型能真实反映失真图像的视觉感知质量,具有较高的评价可靠性。     

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。     

基于Contourlet-GSSIM的无参考遥感图像质量评价研究

Contourlet变换是一种具有多分辨率、多方向性的图像二维表示方法。为了对遥感图像进行质量评价,本文提出了一种基于Contourlet变换的梯度结构相似度(GSSIM)无参考遥感图像质量评价方法。首先根据主观质量评价标准,组织20位遥感专家采用DMOS评分方法对150幅高斯噪声图像和150幅椒盐噪声图像进行评价,建立主观评分库;然后将待评价失真遥感图像通过高斯低通滤波器来构造参考图像,并对图像进行Contourlet变换,计算GSSIM,实现质量评价;最后,为了定量分析算法的性能,将评价结果回归到DMOS空间,并与RMSE(均方根误差)、PSNR(峰值信噪比)等评价方法进行比较。试验结果表明,该方法能客观地评价遥感图像的质量,其结果与人眼视觉评判结果一致。     

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。     

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。     

空间感知残差网络的遥感图像超分辨率重建

为了提升遥感图像超分辨率重建算法纹理细节信息还原能力,该文提出了一种基于特征空间感知损失深度残差网络的遥感图像超分辨率重建算法。该算法增加了深度残差网络中的残差块数量,在网络末端采用了亚像素卷积的方法,并在损失函数中增加了特征空间感知损失。在UCMerced_LandUse数据集上进行了训练,并在UCMerced_LandUse数据集和Draper Satellite Image Chronology数据集上进行了测试。测试结果证实了该算法与其他算法相比在峰值信噪比和结构相似性指数上均有一定的提高,证实了该算法较好的超分辨率重建效果与还原遥感图像纹理细节信息的能力。     

利用地面靶标的超分辨率重建图像分辨率评价

针对超分辨率重建后图像分辨率指标计算困难的问题,该文提出一种利用地面靶标的重建图像分辨率计算方法。依据靶标原理和分辨率测量需求设计出改进的线阵和辐射状地面靶标;实地拍摄不同分辨率的靶标图像,建立真实分辨率图像库;采用卷积神经网络方法对拍摄图像进行超分辨率重建,并利用靶标计算重建后图像的分辨率,并与MSE、RMSE、PSNR等指标进行对比,进一步验证本文方法的可行性。通过实验可以得出,线阵与辐射状靶标对图像分辨率的评价结果与主观评价结果一致。实验证明,该方法能够计算出超分辨率重建后图像分辨率值,研究成果具有实际应用价值。     

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。     

利用Contourlet-SSIM视觉模型的IKONOS图像质量评价研究

针对遥感图像质量评价问题,提出了基于Contourlet变换的结构相似性(SSIM)评价的视觉模型。首先,通过25位遥感专业人员对经过处理的200幅高斯模糊图像、200幅椒盐噪声图像、500幅压缩失真图像进行评价,建立主观评分库;然后对经过Contourlet变换后的IKONOS图像进行C-SSIM质量评价;最后将CSSIM评价结果回归到主观评价空间,与均方误差、峰值信噪比、SSIM评价结果相比,本文方法与主观评价数据库较为一致,并优于其他质量评价模型。     

基于超分辨率重建的多时相MODIS与Landsat反射率融合方法

提出一种基于超分辨率重建的MODIS与Landsat反射率图像融合方法,以STARFM算法与超分辨率重建为基础,使用观测的MODIS和Landsat地表反射率图像预测给定时刻的Landsat合成反射率图像。该方法利用基于稀疏表示的超分辨率重建方法对MODIS图像进行分辨率增强,实验结果表明这一操作能够增加原MODIS图像的空间细节,有助于提高STARFM算法的预测精度;另一方面,考虑输入两个基时刻图像相差较大时原STARFM算法预测的反射率会存在"时间平滑"的问题,限制每次只使用一个基时刻MODIS和Landsat图像对进行STARFM预测,使用逐图像块选择策略,从由两个基时刻图像分别进行预测得到的两组预测图像中选择最优的预测,同样得到了优于STARFM算法的预测结果。     

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。     

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.     

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。     

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。     

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。     

结构保持的图像序列自适应超分辨率重建

基于概率运动估计的超分辨算法能克服传统超分辨率方法过分依赖于准确运动估计的缺点,为了改善其重建效果,通过分析图像的局部结构模式,给出了局部空域活跃度的定义表征图像的局部结构特征,设计了形状、尺度自适应的非局部空时邻域窗口函数,进而提出了一种结构保持的超分辨率自适应重建算法。实验结果显示,本文方法具有更好的重建性能。     

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。     

基于非局部相似字典学习的人脸超分辨率与识别

随着视频监控应用的普及,超低分辨率人脸识别问题越来越突出。现存的人脸识别算法在面对超低分辨率人脸图像时无法给出满意识别性能。在一定程度上,人脸超分辨率方法可以提高人脸的分辨率,但是,目前主流的基于字典学习的人脸超分辨率方法并不能很好地处理超低分辨人脸图像重建问题,尤其是超分辨率人脸识别问题。利用人脸图像块的非局部相似性和多尺度相似性,提出一种改进的基于字典学习的超分辨率人脸重建算法,同时提出尺度不变特征的超低分辨率人脸识别方法。实验结果表明:本文提出的方法不但具有很好的视觉效果,而且还具有很好的识别效果,与目前主流的人脸超分辨率和识别算法相比具有明显的优势。     

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。