多级字典学习的图像超分辨率算法

改进单级字典学习的图像超分辨率算法,给出一种多级字典学习的图像超分辨率算法。通过多对字典的训练,记录不同层级退化图像和原始高分辨率图像之间的关系,由多对字典预测给定低分辨率图像不同层级丢失的高频信息,将预测出的高频信息与给定的低分辨率图像相加,得到逐级增强的高分辨率图像。在训练图像集相同的条件下,对于无噪声且没有压缩的低分辨率图像,改进算法相比单级字典学习的图像超分辨率算法,恢复出的高分辨率图像的峰值信噪比可平均提高约0.6dB。     

基于稀疏表示的遥感图像超分辨率重建

根据稀疏定理,首先对遥感图像数据进行训练,得到高分辨率图像块字典与低分辨率图像块字典,然后利用低分辨率图像块字典求出稀疏表示系数,最后根据稀疏表示系数得到超分辨率重建图像.结果可以看出,经过改进后,重建图像的客观评价指标更优.     

改进型字典学习的图像超分辨率重建

针对现有算法中字典训练花费的时间非常大,且超分辨率图像重建效果不够理想等问题,提出一种改进型字典学习的超分辨率图像重建算法.该算法在字典训练阶段,先采用PCA对低频样本集进行降维,再单独训练出低频字典,然后利用稀疏表示系数集和高频图像样本集训练出对应的高频字典,从而提高了字典构建速度.在重建阶段,先利用字典重建出初始的高分辨率图像,再根据图像结构自相似的特征,对图像进行结构自相似优化,然后对图像进行全局优化,从而提高了重建图像的质量.实验结果表明,该方法无论是在客观评价指标还是主观视觉效果方面都有明显的提高.     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

结合多特征的单幅图像超分辨率重建算法

为提高直接捕获的图像质量,针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点,采用Gabor变换来提取纹理特征,NSCT来提取轮廓特征,然后分别利用稀疏模型进行重建,最后合并成一幅高分辨率图像.由于输入图像或多或少存在模糊,在重建过程中,加入了去模糊的正则项,以消除输入模糊的影响.实验结果表明,结合两种特征的超分辨率效果与单一特征相比,能够恢复更多的细节信息,去模糊正则项也有一定的作用.本文方法与Kim提出的核岭回归及Yang提出的稀疏表示算法(SCSR)相比,主观上视觉效果更加清晰,客观上PSNR值平均提高了近2d B,说明了该算法能够有效地提高图像的质量.     

基于残差字典学习的图像超分辨率重建方法

为了提高图像重建质量,在保留图像空间结构信息的同时恢复更多图像高频信息,提出一种基于二维可分离字典和残差字典的图像超分辨率重建方法.不同于传统的基于一维字典的超分辨重建方法,二维字典直接利用图像的二维矩阵表示,因此,可以保持图像的空间结构信息,减少字典参数的数量,节省存储空间.为了更好地恢复图像高频信息,在二维可分离字典重建图像基础上,引入残差字典,重建边缘等高频信息,两类字典各有侧重,二者结合可得到更高质量的超分辨率重建图像.在典型的公共图像集上的实验证明了提出的结合二维可分离字典和残差字典的图像超分辨重建方法的有效性和优越性.     

基于特征表征的单幅图像超分辨方法

基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。     

基于压缩感知的超分辨率重建研究综述

为了克服终端设备硬件条件限制或传输过程中带宽限制而导致的获取图像和视频分辨率质量较低的问题,图像超分辨率技术作为计算机视觉领域中提升图像质量的重要技术,利用已知的低分辨率图像可恢复出高分辨率图像,现已广泛应用于卫星遥感、数字娱乐、视频监控等多个方面.围绕基于压缩感知理论的超分辨率方法,详细介绍将压缩感知应用于超分辨率的...     

基于残差卷积神经网络遥感图像超分辨率重建

首先去掉批规范化(Batch Normalization,BN)层,改进激活函数,然后重新构建网络模型结构并进行训练.在UCMerced_LandUse数据集上与VDSR和Bicubic方法进行了仿真对比.     

基于多锚点邻域回归的图像超分辨率算法

给出了一种多锚点邻域回归图像超分辨率算法。首先,对单锚点超分辨率算法重建的高分辨图像进行分块,利用欧氏距离在训练图像块集合中寻找每个图像块的近邻集合。其次,根据近邻块集合中的图像块在每个锚点空间出现的频率,计算近邻图像块的分布概率,获得相关的锚点。最后,利用指数函数计算相关锚点在图像重建时的权重。仿真实验证明,改进算法与单锚点超分辨率重建算法相比,所恢复的高分辨率图像的峰值信噪比有一定提高,并且图像的边缘更加清晰,细节信息更加丰富。     

基于小波变换和模糊积分的遥感图像分类

遥感影像分类是遥感影像数字处理的一个重要内容。针对实地数据缺乏背景下的遥感影像分类研究,文中提出了一种基于小波变换和模糊积分的遥感影像分类方法。该方法针对遥感影像的纹理结构与成像条件的相关性,分别对多光谱影像的三个通道纹理图像做聚类,然后采用模糊积分技术融合三者结果得到最终的分类图像。实验结果表明本文方法的分类结果要优于任何单通道的聚类结果和光谱聚类结果,且其分类连通性优于有监督的光谱分类结果。     

小波在遥感图像分析中的应用与发展

介绍了小波变换在影像压缩、多源遥感影像融合、影像去噪、影像边缘检测与纹理信息提取等方面的应用特点与效果,并对小波在遥感影像分析中的应用趋势,以及一些尚待解决和进一步研究的问题进行了探讨。     

基于SIFT特征的无人机遥感影像拼接技术研究

无人机遥感是一种新的遥感手段,具有快速、灵活、低成本、高影像分辨率等特点。无人机技术已经被广泛应用于资源勘测、气象观测及处理突发事件等领域中,成为未来航空器的发展方向之一。由于无人机采用的非量测相机且飞行高度较低、平台不稳定等特点,图像具有相幅小、数量多、航带不规则等特点,为了得到该地区的全景图像,图像拼接成为解决该问题的关键技术。基于SIFT特征的无人机遥感影像拼接技术相对别的遥感影像拼接技术有它的优势和特点,本文主要介绍了SIFI算法和基于此算法的遥感影像拼接技术。     

基于堆栈式稀疏自编码器的高光谱影像分类

为挖掘高光谱影像数据的内在光谱特征,该文基于深度学习理论,引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器,得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网,输出原始数据的深度特征。最后将其连接到支持向量机分类器,完成模型的精调。实验结果分析表明:基于堆栈式稀疏自编码器的最优分类模型,总体精度可达87.82%,优于实验中的其他方法,证明了深度学习方法在高光谱影像处理中具有良好的分类性能。     

基于纹理特征的遥感影像居民地自动提取方法

基于纹理特征提取居民地信息的纹理分析方法有四类,即基于统计特征的、基于空间频率的、基于结构的、基于模型的分析法。基于纹理特征的遥感影像居民地信息自动提取方法的发展趋势是将纹理分析方法与新的算法及其他提取方式相结合,并建立居民地信息提取专家系统。     

稀疏表达模型在高光谱遥感影像目标探测中的应用

为了更好地利用高光谱影像的空间和光谱信息,提出了一种基于稀疏表达模型的高光谱遥感影像目标探测方法.首先通过对影像训练样本进行训练提取过完备字典,利用稀疏表达模型对遥感影像稀疏表达既达到降维的目的,又可以表示出遥感影像的主要信息;然后利用传统的目标探测器结合目标已知光谱信息对高光谱遥感影像进行目标探测,即基于稀疏表达模型的高光谱遥感影像目标探测(SRM-TD).3种影像数据的实验结果表明:在确定的迭代次数下,通过设置稀疏度L可以得到最优的探测结果.提出的探测方法在参数设置、选择和运行结果上优于传统的高光谱遥感影像目标探测方法.     

遥感在土地利用动态监测中的方法概述

遥感技术为土地利用动态监测提供了大范围、多时相的土地利用信息,利用这些遥感信息可以实时、有效地对土地资源利用进行动态监测,及时掌握土地利用的变化。土地利用动态监测是遥感信息科学的重要研究领域,本文全面阐述了土地利用动态监测的方法,并通过分析一些常见的方法理论,指出这些方法中的有待解决的问题。     

全局约束自适应量化的遥感图像压缩算法

针对JPEG2000算法存在大量计算冗余影响星载遥感图像压缩速度的问题,提出一种全局约束自适应量化的星载遥感图像快速压缩算法.根据给定目标码率、输入图像特性和各子带特性,考虑JPEG2000内部之间的联系,从全局角度自适应设置各子带量化步长,从而减少最为耗时的EBCOT待编码数据量.实验结果表明,该算法减少了JasPer90%-95%的冗余数据,从而减少了层一编码时间和层二截断时间,显著提高了JPEG2000的编码速度,相比JasPer速度提高了1倍左右,而重构图像质量还略有提高.     

卫星遥感数据在流域数字化中的应用

流域要素数据的明显不足，制约着诸多水利工作的发展，采用当今信息技术，实施流域数字化，满足水利工作对流域要素数据的迫切需要，从适应快速发展的水利事业，卫星对地观测具有获取信息丰富，快速和可持续观测的优势，是流域数字化的重要支持技术之一，以遥感数据作为主要数据源，结合地面实测数据，在遥感图象处理，数据库，GIS等技术支持下，全面，准确，快速地获取流域要素数据，对流域数字化的实现起着至关重要的作用。     

“3S”技术的最新发展

现在,“3S”技术已经在经济社会的发展中发挥着重要作用.今后几年,GPS和GLONASS两个卫星导航定位系统将被更新换代,其精度和抗干扰能力也将大幅度提高.有中国参与的欧洲Galileo卫星导航定位系统已进入实质性部署阶段,将于2010年前后建成,从而打破美国目前在这一领域的垄断局面.遥感科技将向高分辨率、多平台、定量化、网络化和实用化发展.GIS将与计算机科技协同发展,在三维空间分析与表达、空间数据的不确定性、多源数据集成或融合、空间多尺度数据挖掘等方面受到更多关注,并走向网络化、大众化,成为地理信息产业的重要组成部分.