压缩感知的信息论解译

压缩感知(compressed sensing or compressive sampling, CS)是数据采集与信号重构的新体制,其与信息论的关系是,应该且可以从信息论的角度对CS进行分析,而CS丰富和发展着信息论的内涵和外延。换言之,信息论的一些基本概念和原理(如信源、信道、信源编码、信道编码、率失真、Fano不等式、数据处理定理等)为CS研究提供了理论基础,尤其是在性能限(如采样数)的界定等方面;另一方面,CS提供了采集、存贮、 传输、恢复稀疏信号的高效方法,以其独特的理念和算法模式,提供了直接对信息的采样和处理机制,延拓了经典信息论的范畴。本文将梳理和阐释CS和信息论之间的关系,力图从信息论角度揭示CS中的一些基本问题,尤其是CS采样问题,并寻求用信息论指导CS的学习与研究。     

基于压缩感知的地磁数据分频压缩与重构方法

构建高精度导航所用的地磁数据库时,需要对大量数据进行压缩。为保留必要的高频细节特征信息,提出一种基于压缩感知理论的数据分频压缩及联合重构方法。在余弦变换频域中对数据进行分频压缩编码,在数据重构算法中引入压缩感知理论。利用局部余弦变换系数作为线性测量观测值,通过解决小波变换域l1范数和时域稀疏梯度全变差正则化的模型,精确重构原始数据高频信息。利用实测地磁数据进行仿真试验的结果表明,仅使用25%的分频压缩采样测量系数,可精确重构原始数据;在相同压缩比下,分频压缩感知重构算法与传统滤波逆变换方法相比具有更高的精度,且峰值信噪比最大可提高5dB左右。     

基于压缩感知的遥感影像弹性配准方法

针对遥感影像由于载荷类型、观测角度、地形起伏等内外部因素造成的影像局部几何畸变,而基于全局配准方法制约着影像配准精度的提高,基于像元的弹性配准方法可大幅提升遥感影像的配准精度,但是存在运算效率这一瓶颈等问题,该文利用像元弹性配准参数的稀疏性,提出一种基于压缩感知的弹性配准方法。通过对遥感影像像元梯度幅值响应较强的点进行随机抽样,形成观测样本点集,采用弹性配准局部参数解算模型求解样本点平移参数;通过压缩感知稀疏重构算法重构影像各像元平移参数。实验表明,在配准精度差异较小和一定的参数设置条件下,该方法可显著提高弹性配准运算速度。     

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。     

利用压缩感知方法的高分辨率三维层析SAR研究

利用压缩感知方法解决SAR三维层析成像中的频谱估计问题,弥补了传统谱估计方法的一些缺陷,准确重建了来自不同散射目标的回波信号。实验结果表明,该方法不仅能够有效地区分影像中同一像元中的多个散射体,而且可以较为准确地获取目标散射体相对强度分布及高程信息,为目标的分类和识别提供更多依据,显现出对数据量要求较少及抗噪声性能强等优势。     

基于压缩感知的地磁数据分频压缩与重构方法EI北大核心CSCD

构建高精度导航所用的地磁数据库时,需要对大量数据进行压缩。为保留必要的高频细节特征信息,提出一种基于压缩感知理论的数据分频压缩及联合重构方法。在余弦变换频域中对数据进行分频压缩编码,在数据重构算法中引入压缩感知理论。利用局部余弦变换系数作为线性测量观测值,通过解决小波变换域l1范数和时域稀疏梯度全变差正则化的模型,精确重构原始数据高频信息。利用实测地磁数据进行仿真试验的结果表明,仅使用25%的分频压缩采样测量系数,可精确重构原始数据;在相同压缩比下,分频压缩感知重构算法与传统滤波逆变换方法相比具有更高的精度,且峰值信噪比最大可提高5dB左右。     

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。     

基于FFT稀疏压缩感知域内遥感图像融合

压缩感知理论因其远低于乃奎斯特采样率的特性,减少了大量的采样数据。基于这一特性,提出一种在压缩感知域内进行遥感图像融合的方法。该方法首先对图像作快速傅里叶变换(FFT);然后进行测量采样获取压缩感知域数据;再采用权重法对数据进行融合;最后通过重构算法得到融合图像。通过实验得出压缩感知域内遥感图像融合具有数据量少,融合效果好等特点。     

基于压缩感知的sar图像cfar目标检测算法

提出了一种基于压缩感知（compressedsensing,cs）和恒虚警率（constantfalsealarmrate,cfar）目标检测算法,用于合成孔径雷达（syntheticapertureradar,sar）图像的目标检测。针对传统的均值类和有序统计量类cfar目标检测算法,首先对每个局部滑窗的背景杂波像素利用压缩感知进行重建,以此来降低sar图像相干斑现象的影响,然后利用重建后的数据进行杂波分布参数的估计,并利用cfar检测器进行目标检测。在真实的sar图像中证明了上述目标检测算法的有效性     

遥感卫星影像K-SVD稀疏表示去噪

常规的去噪方法在去除遥感卫星影像噪声时,往往会造成影像模糊和空间分辨率下降。本文将稀疏表示理论应用于遥感卫星影像去噪,提出了一种改进算法,能够保留低频信息不变,仅对影像的高频信息进行稀疏重建。算法核心是按照是否能够从过完备字典中选择较少原子进行稀疏表示的原则来区分高频信息中的有效信息和噪声。通过3组实验对改进算法与传统去噪方法进行对比检测,实验结果表明,改进算法在去除噪声的同时,能较好地突出影像的边缘和细节信息。     

高分五号高光谱影像的关联对齐域适应与分类

高分五号(GF-5)搭载的高光谱传感器兼顾宽覆盖和高分辨率的特性,但在实际应用中宽覆盖范围内各种地物类别的标注十分困难。当标记样本很少甚至没有标记样本时,遥感图像分类异常困难。此时,可以采用域适应方法,借助已标记的历史数据(源域)实现对未标记数据(目标域)的分类。本文提出了一种基于稀疏矩阵变换的关联对齐域适应分类算法。首先,利用稀疏矩阵变换估计源域和目标域的协方差矩阵;然后,运用协方差关联对齐方法估计源域到目标域的变换矩阵;接着,运用估计得到的变换矩阵将源域数据进行变换,使得其与目标域对齐;最后,在变换后的源域数据上建立分类器,实现对目标域数据的分类。本文的算法在两个真实的GF-5高光谱数据集上进行了验证。实验结果表明,本文算法要优于常用的子空间对齐算法和关联对齐算法。特别地,在黄河口GF-5数据上,本文算法比原始关联对齐方法的最近邻分类准确率提升了3.5%,支持向量机分类准确率提升了2.3%。     

噪声调节主成分变换下的遥感图像薄云去除

针对在光学遥感图像中的地球表面反射率由于云覆盖所造成的衰减问题,本文提出了一种基于噪声调整主成分变换(NAPCT)模型的薄云去除方法.首先,通过噪声估计构建NAPCT除云模型,实现云图像的转换;然后,利用NAPCT第一成分(NAPC1)提供的云分布信息,通过合并云掩膜,对NAPC1上的浑浊像素进行校正;最后,将逆变换应...     

10m级分辨率卫星影像道路语义模型研究

道路模型是遥感影像自动/半自动道路提取中重点研究的内容。本文首先介绍了传统的影像道路模型并指出其中不足,从语义的角度阐述了建立道路语义模型的必要性,概述了10m级分辨率卫星遥感影像道路的表现特征,分析了遥感影像道路提取涉及的各层次语义信息,建立了面向10m级分辨率卫星遥感影像的道路语义模型,详细阐述了语义模型的实现过程。将语义模型应用于笔者开发的遥感影像道路提取系统,通过新疆阿图什Spot5多光谱遥感影像道路提取试验,验证了道路语义模型的有效合理性。     

多源卫星遥感影像区域网联合平差技术

针对地理国情普查数字正射影像底图制作过程中数据源种类多、数据量大以及传统的单景正射纠正方法费时费力等问题,该文提出了多源卫星遥感影像区域网联合平差法,对大区域多景多源卫星影像进行正射纠正的方法。先利用各影像间的连接点进行自由网平差,建立一个稳固的网形;然后在自由网中均匀地添加少量地面控制点,对整个区域进行控制网平差。平差过程中利用仿射变换模型对RFM进行像方改正,以减小其系统误差。实践证明该方法可以获得较高的成图精度,满足地理国情普查底图DOM制作的精度要求,且能提高DOM的生产效率。     

一种基于同态滤波的遥感图像薄云去除算法

目前国内外常用的去除遥感图像薄云的方法是同态滤波法,但该方法在去除薄云的同时,图像无云区域特别是边缘区域的信息出现了严重丢失。为此,提出了基于同态滤波的像素替换法,该方法既可以去除薄云,又可以恢复无云区域的信息,使得处理后的图像和原始图像在无云区域有极大程度上的相似性。     

多光谱遥感影像中云影区域的检测与修复

提出了一种有效针对多光谱遥感影像的云影检测与阴影区域修复方法。基于同一地区时相相近的两幅影像,充分利用碎云及阴影的光谱特性分别对云影区域进行融合增强,然后采用Otsu算法求解最佳阈值自动检测出云及阴影区域,根据云影的出现会引起两幅影像局部相应区域明显的亮度变化,可排除亮地物和水体的影响,建立归一化的云影密度图,在此基础上,采用线性加权组合与光谱直方图匹配相结合的方法对其加以修复,利用SPOT 4影像进行的实验表明其修复效果完全能够满足应用需要。     

附加傅里叶补偿项的卫星遥感影像RFM平差方法

卫星光学遥感影像的几何畸变是制约其定位精度的重要原因。采用一般系统误差补偿模型难以从根本上消除影像复杂畸变。本文在有理函数模型RFM平差方案基础上,根据傅里叶级数的逼近特性,提出用二元傅里叶多项式代替一般多项式作为系统误差补偿项,以适用符合连续条件的任意形式畸变。仿真和实际数据平差试验结果表明,本文方法能够有效补偿由于影像内外方位元素误差造成的像方定位系统误差及不同大小的畸变。在控制点充足的条件下,附加3阶傅里叶补偿项的RFM平差定位精度显著优于附加一般多项式补偿项的常规方法,其中SPOT-5异轨立体像对平差后平面和高程定位精度可分别达到3.34 m和2.48 m,QuickBird同轨立体像对平差后平面和高程定位精度分别达到0.77 m和0.54 m,均达到了子像素精度水平。二元傅里叶多项式可作为一种通用的影像系统误差补偿模型,拓展应用于航空和近景影像的畸变校正。     

三种卫星云量数据在青藏高原地区的比对分析

青藏高原是卫星反演云参数的热点和难点区域.选取1982年—2015年0.1°空间分辨率的Patmos-x、0.25°空间分辨率的CLARA-A2的NOAA/AVHRR下午星数据和2003年—2015年0.05°空间分辨率的Aqua/MODIS C6等3种云量数据,针对青藏高原区域,从数据的反演算法和数据的空间属性出发,...     

The Austrian node of the natural resources satellite remote sensing cloud service platform:examples of Sino-Austrian cooperation

The Austrian node of the Natural Resources Satellite Remote Sensing Cloud Service Platform was established in 2016 through a cooperation agreement between the Land Satellite Remote Sensing Application Center(LASAC),Ministry of Natural Resources of the Peoples Republic of China and the University of Vienna,Austria.Under this agreement panchromatic and multi-spectral data of the Chinese ZY-3 satellite are pushed to the server at the University of Vienna for use in education and research.So far,nearly 500 GB of data have been uploaded to the server.This technical note briefly introduces the ZY-3 system and illustrates the implementation of the agreement by the first China-Sat Workshop and several case studies.Some of them are already completed,others are still ongoing.They include a geometric accuracy validation of ZY-3 data,an animated visualization of image quick views on a spherical display to demonstrate the time series of the image coverage for Austria and Laos,and the use of ZY-3 data to study the spread of bark beetle in the province of Lower Austria.An accuracy study of DTMs from ZY-3 stereo data,as well as a land cover analysis and comparison of Austria with ZY-3 and other sensors are still ongoing.