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。     

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。     

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。     

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。     

遥感影像超分辨率处理方法与研究进展

随着人们对影像高分辨率需求的不断增加,图像超分辨率技术已成为相关研究领域的热点之一。针对在遥感领域并非所有的超分辨率方法都可用的现状,该文按照遥感影像超分辨率处理的流程,将超分辨率问题分为退化模型、配准、重建和精度评定4大模块。对于其中每一模块的理论、常用方法与研究进展进行了较全面的综述及比较分析。最后对这一领域的未来发展进行思考和展望。     

基于MODIS影像的超分辨率重建

针对4幅多时相250 m分辨率的MODIS影像,利用空间域中的超分辨率重建模型,进行了影像的匹配和运动参数估计,重建出采样率提高2倍的高分辨率影像。     

基于双稀疏度K-SVD字典学习的遥感影像超分辨率重建

近年来,基于深度学习的超分辨率重建技术已经广泛应用于多时相高光谱影像、高分影像超分辨率重建等领域。多角度遥感影像之间具有丰富的互补信息,可用于超分辨率重建。针对高分辨率多角度遥感影像提出了一种基于动态上采样滤波网络的超分辨率重建方法。该方法的网络结构为端到端双路网络,其中一个分支网络通过动态上采样滤波模块来实现分辨率提升,另一个分支网络用来学习影像中的高频信息,将两个分支网络输出的结果相加即可得到最终的超分辨率重建影像。为了验证该方法的有效性,利用WorldView-2美国亚特兰大地区和巴西里约热内卢地区多角度遥感影像数据分别进行了2倍、3倍、4倍超分辨率重建模拟实验和真实实验,并进行了多组对比实验。实验结果表明,所提方法可以在顾及多角度影像角度维信息的同时有效提升目标影像空间分辨率,并且较好地保持了影像的细节信息。     

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。     

顾及纹理特征的航空影像自适应密集匹配方法

半全局匹配实质是在视差连续性假设下的离散优化方法。为克服视差断裂带影响,依赖一组参数控制视差不一致性。若参数过小,在平面内难以保证视差连续性,产生明显噪声,导致凹凸不平现象;若参数过大,将致使物体表面过于平滑,难以保留视差断裂等重要特征。为克服上述问题,本文提出了一种顾及纹理特征的自适应密集匹配方法:首先,检测影像纹理特征并定量表达纹理丰富性程度;其次,依据纹理丰富程度与视差差异存在正相关的规则知识,实现匹配参数依据纹理信息的自适应选择;最后,采用上述参数进行自适应的半全局匹配。通过ISPRS基准数据集和国产SWDC-5获取的倾斜影像进行试验分析证明,本文方法能够有效减少低纹理区域匹配噪声,同时更有效保留边缘特征。     

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。     

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.     

一种顾及影像纹理特性的自适应分辨率增强算法

针对传统的影像分辨率增强算法存在的缺点,提出了一个顾及影像纹理特性的自适应分辨率增强算法。在算法中,首先通过影像分析,根据定义的3种纹理特性,确定出像素在影像中所在的位置是属于平滑纹理、一般纹理还是边缘纹理,然后根据不同的属性应用不同的滤波器进行内插增强。特别是对边缘纹理的处理,为了提高精度,是通过两次迭代来完成的。实验中利用该算法和传统的增强方法对三峡地区航空影像和武汉TM影像分别进行了处理,并用常用的影像质量评价方法对增强处理结果进行了对比评价,实验证明,所提出的算法在保持纹理、边缘方面有较大的优越性,具有实用价值。     

顾及纹理特征差异性的遥感影像数据分区域多密级加密方法

针对高分辨率遥感影像在网络传输、数据分享及应用过程中的安全性问题,本文从高分辨率遥感影像自身特点出发,提出了一种顾及纹理复杂度的遥感影像分区域多密级加密算法。首先,对大数据量的遥感影像进行分块处理,并将每个子图像块按照纹理特征的复杂度划分为简单、中等和复杂类型;然后,针对不同类型的子图像块采用不同维度的混沌系统分别加密得到密文块;最后,将密文块进行关联拼接,得到整体加密后的密文图像。通过采用真实遥感影像的试验分析结果表明,本文方法能够很好地实现遥感影像的信息隐藏,并且可以兼顾加密的安全性和时间复杂度,在大数据时代面向大众化应用的高分辨率遥感影像数据共享和图像处理领域具有潜在应用价值。     

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。     

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。     

辅以纹理特征的高分辨率遥感影像分类

为了提高对高分辨率影像的分类精度,通过灰度差矢量法快速提取纹理特征,利用BP神经网络并辅以纹理特征,对一幅江西某地0.2m分辨率的航空影像进行分类。结果显示,对比度纹理特征能较好地反映该影像的纹理信息;对光谱特征不典型、纹理特征明显的人工树林,分类精度可达到90%以上;增加纹理特征后,影像分类的总精度也由55%提高到94%。表明这种结合纹理特征和BP神经网络的分类方法,能提高对高分辨率影像分类的精度。     

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。     

纹理特征遥感影像分割研究

影像分割是面向对象的分类思想应用于遥感影像信息自动提取的基础,纹理是影像的基本特征,是影像分析、理解和识别的重要信息,纹理特性的有效表达和抽取,是基于纹理影像分割的前提。本文系统概述了近年来各类文献中使用频率较高的基于纹理的遥感影像分割方法,并以基于统计的方法、基于纹理结构的方法、基于模型的方法和基于空间/频率的方法四种基本类型为主线,对每一类分割方法的特点进行了分析和总结,在此基础上指出了基于纹理特征遥感影像分割的研究趋势。     

基于高频增强曲线与迭代反射投影的遥感影像超分辨率重建

针对传统迭代反射投影方法得到的重建影像,其边缘部分存在锯齿效应和噪声信息,从而无法达到提升影像清晰度不足的问题。文中对初始重建影像,首先使用反锐化掩模方法提取其中的高频分量,并对高频信息进行分类,然后平滑掉其中的噪声信息,应用高频增强曲线对高频分量进行提升,保持高频分量的单调性。实验仿真结果表明,该方法可以消除噪声,小的边缘纹理细节得到增强,大轮廓没有过增强,可有效提升重建影像的清晰度。