基于高斯曲率和加权图总变分正则化的遥感图像盲去模糊算法

针对遥感图像在采集过程中出现的运动模糊现象,本文从图像曲面的几何性质和图像像素的代数性质出发,设计了一种基于高斯曲率和加权图总变分正则化的遥感图像盲去模糊算法。首先,将加权图总变分先验与高斯曲率先验相结合以获得骨架图像,骨架图像保留图像的梯度以及锐利边缘信息,并去除中间潜在图像中的有害结构;然后,利用骨架图像估计模糊核,进而利用非盲去模糊算法获得清晰图像;最后,在8张不同场景下的模糊遥感图像上进行仿真验证。结果表明,相比于其他先进的图像盲去模糊算法,本文提出的去模糊算法复原效果的峰值信噪比平均值分别高于对比算法2.76、1.84、3.11、2.79、3.35、2.76 dB,结构相似性平均值分别高于对比算法0.0792、0.0604、0.0873、0.0801、0.0997、0.0906。本文算法复原的遥感图像具有清晰的边缘轮廓和局部细节,提升了遥感图像的清晰度。     

基于块效应抑制的压缩降质模糊图像盲复原

针对被压缩重构后的模糊图像复原问题,提出基于块效应抑制的图像去模糊方法.采用多尺度分解逐层进行模糊核估计,每一层利用去块效应的模糊图像作为有效显著边缘估计的参考图像,并在模糊核估计优化函数中加入模糊核梯度约束保证其连续平滑性,通过在频域交替迭代优化确定模糊核.最终复原约束项为图像全变分以及L2范数块效应抑制项,该项通过迭代使得复原图像和去块效应图像逐步逼近.实验结果表明,提出的方法能够在较高压缩率的模糊图像中估计出相对准确的模糊核,得到兼顾消除块效应与保留图像细节的复原效果.     

具有显著异常值的夜间模糊图像非盲去模糊

为了抑制夜间模糊图像中常出现的各类异常值对去模糊的影响,提出了一种基于联合稀疏与最大熵先验的异常值检测与去模糊算法,该算法能够有效检测分布具有稀疏性的异常值。另一类异常值-饱和像素的分布通常具有聚集性,为此设计了一种高度饱和区域周边振铃伪影修正算法作为复原图像的后处理步骤。在包含冲击噪声的数据集上测试表明,本文算法能够对不同密度的噪声有效自适应。在部分饱和模糊图像上的实验显示,本文算法复原图像的平均SSIM值相比其他先进算法提高了0.1以上。     

基于差分进化优化的BP神经网络图像复原方法

针对back-propagating(BP)神经网络收敛速度慢、易陷入局部最小的问题,基于差分进化算法,改进其差分策略,提出随机缩放差分进化(random scaling-differential evolution,RSDE)优化的BP神经网络(RSDE-BP)图像复原方法.该方法用高斯噪声对无噪图像进行模糊处理,将模糊图像和原图像组成训练对,用于训练和优化RSDE-BP算法.最后利用训练好的BP神经网络对测试图像进行复原,从而达到去除噪声的目的.仿真结果表明,与BP神经网络、PSO-BP算法和DE-BP算法相比,所提出的算法收敛速度快,迭代次数少,且复原图像在峰值信噪比和结构相似性等指标方面有很好效果.与自适应全变差复原方法和二阶广义全变差正则项复原方法相比,该方法能够较好地恢复被噪声和模糊污染的图像,同时可以很好地保留图像的纹理和细节信息.     

模糊图像迭代盲反卷积复原

针对超速或换道车辆容易出现的图像模糊问题,提出了基于盲反卷积的去模糊方法。传统的去模糊方法是假定已知模糊参数,而实际的目标图像模糊参数是未知的。所以采用一种盲复原方法,首先估计出模糊点扩散函数PSF,然后进行模糊处理。根据实际采集的图像含有高斯噪声的特点,将常用零均值高斯白噪声作为其噪声模型,根据噪声均值与方差的最小二乘估计改进盲反卷积模型,得出新的恢复模型,进而恢复含噪声的模糊图像。结果表明,该算法较传统算法恢复效果得到明显改善。     

非局域自相似约束的Shearlet稀疏正则化图像恢复

提出一种结合非局部自相似和Shearlet稀疏性正则化的图像恢复变分模型。模型采用观测图像与待恢复图像的能量误差为保真项,联合Shearlet稀疏性和非局域自相似性为混合正则化项。正则化项同时兼顾图像的变换特性和自身结构全局特性。基于变量分裂增广拉格朗日法提出了求解该变分模型的数值算法。以图像去模糊和图像修复为例,对算法性能进行了测试。实验结果表明,该模型和所提算法能够较好地恢复图像,与其他算法相比,可获得更高的峰值信噪比(PSNR)和结构自相似指标(SSIM),具有更好的视觉效果。     

空间变化模糊的图像复原算法

传统的空间不变的模糊图像复原算法无法对空间变化图像取得良好的复原效果,空间变化的图像复原算法能够较好地复原图像,增强复原图像的可读性。新算法使用奇异值分解法将模糊核分解为基滤波器和系数滤波器的线性组合,提出一种总变分和小波框架双正则化模型。并使用ADMM算法将原问题分解为易于求解的子问题进行独立求解,使得算法能快速迭代收敛,在迭代过程中完成图像的复原与优化。实验结果表明:对于空间变化的模糊图像,提出的新算法能够较好地去模糊,取得较高的峰值信噪比和结构相似度,在主观评价上也具有良好的视觉效果。     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。     

结合马氏距离的区域化模糊聚类遥感图像分割

传统模糊聚类算法通常将像素光谱测度间的欧式距离作为相似性准则,其仅适用于同质区域内像素光谱测度呈对称分布的图像.同时,基于像素的图像分割算法极易受噪声干扰,导致该类算法难以适用于高分辨率遥感图像分割.因此,提出结合马氏距离的区域化模糊聚类遥感图像分割算法,该算法以Voronoi多边形为基本单元,令多边形内所有像素与该多边形具有同一类属性,并采用马氏距离定义非相似性测度.此外,在目标函数中引入马氏距离规则化项以控制聚类尺度,进而构建区域化高分辨率遥感图像分割模型.通过对合成及真实遥感图像分割结果的定性及定量分析,证明了提出算法具有较强的鲁棒性.     

图像去模糊的自适应交替方向乘子重叠组稀疏方法

图像去模糊技术是图像处理领域的一个重要组成部分.由于重叠组稀疏全变差(OGSTV)正则化不仅具有保留边缘的特性,而且能够抑制阶梯效应的产生,正逐渐地应用到图像去模糊问题中.利用交替方向乘子(ADMM)方法来求解重叠组稀疏全变差模型时,其惩罚因子对去模糊问题的影响较大,且不易调节,故笔者在优化模型时根据复原出的图片自适应地调整惩罚因子.该方法在保证计算速度的同时,自适应地复原出最佳图片,并保证了算法的鲁棒性.实验结果表明,本文方法在PSNR、SNR、相对误差等评价方法上均优于其他复原模型.     

Remote Sensing image Deblurring Based on Grid Computation

1 Introduction At present, remote sensing image real-time processing is not only data-intensive but also com- puting-intensive. The emergence of grid computing technology makes real-time remote sensing image data processing more readily available. The method has two outstanding advantages. One is the strong data-processing capability, which can provide a stable high-performance and high-throughput computing environment. The other is the capability to distribute mass quantity space data with a…     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

粒子群优化Contourlet变换的遥感影像融合算法研究

Contourlet变换能有效地应用在图像增强领域,基于Contourlet变换的遥感影像融合算法常采用高频低频替换和频域线性加权两种融合方法,因此,通过粒子群优化算法对基于Contourlet变换分解不同子带图像所需的不同加权系数进行优化,采用多元回归分析方法设定目标函数,实现了全色影像与多光谱影像的融合,与传统的Contourlet变换、PCA算法、高通滤波遥感影像融合算法相比较,新方法在提高影像清晰度的同时在光谱保真度方面相对于其他算法有明显优势.     

基于多正则化约束的图像去运动模糊

针对图像去运动模糊问题的病态性,已有的方法通常引入对图像的正则化约束从而缩小解空间范围使其良态化,但单一的正则化约束并不能很好地估计点扩散函数和复原原始图像。基于此,本文提出一种基于多正则化约束的图像去运动模糊方法。首先,根据图像梯度符合重尾分布的特性,采用归一化的超拉普拉斯先验项作为对图像先验约束的正则项。其次,分析描述图像运动模糊的点扩散函数的内在特性包括稀疏性和连续光滑性;同时,采用点扩散函数自身的L₁范数保证其稀疏性并作为其中一项点扩散函数先验约束的正则项,采用Tikhonov正则化约束保证其连续平滑性并作为另一项点扩散函数先验约束的正则项,避免估计的点扩散函数中存在孤立的点。由于所建立的正则项虽然不可微但其是非严格凸函数,故引入辅助变量采用分裂法和交替求解法对所建能量方程进行求解,并利用小波软阈值公式求解辅助变量。本文方法对合成的运动模糊图像和实际相机抖动造成的自然模糊图像均进行实验,实验结果验证了该模型和求解算法的有效性和快速性。实验结果表明,本文方法提高了点扩散函数估计准确度,同时提高了复原图像质量,具有较好的复原效果。     

Retrieval of canopy biophysical variables from remote sensing data using contextual information

In order to improve the accuracy of biophysical parameters retrieved from remotely sensing data, a new algorithm was presented by using spatial contextual to estimate canopy variables from high-resolution remote sensing images. The developed algorithm was used for inversion of leaf area index （LAI） from Enhanced Thematic Mapper Plus （ETM＋） data by combining with optimization method to minimize cost functions. The results show that the distribution of LAI is spatially consistent with the false composition imagery from ETM＋ and the accuracy of LAI is significantly improved over the results retrieved by the conventional pixelwise retrieval methods, demonstrating that this method can be reliably used to integrate spatial contextual information for inverting LAI from high-resolution remote sensing images.     

卫星振动引起的非规则采样降质图像复原方法

针对卫星振动引起的TDICCD相机非规则采样导致像质退化的问题,提出了非规则采样降质退化图像的复原方法．首先利用基于非均匀快速傅里叶变换的频域插值对非规则采样的几何降质退化规律进行建模,并结合遥感成像的模糊退化过程,建立非规则采样降质图像退化模型．然后利用频域插值特性将模型逆求解过程转换为Toeplitz矩阵系统的线性方程求解问题,实现了快速求解,提出非规则采样几何降质和模糊退化的综合处理方法．最后利用测试图形和真实遥感图像对方法进行验证,实验结果表明:在严重模糊、几何降质及高噪声水平条件下,复原后的图像与理想图像的结构相似度仍优于0.93,而且具有较高的处理效率．该方法能有效应用于在轨振动引起的非规则采样降质的复原处理．     

基于协同神经网络算法的红树林物种识别

为解决采用遥感技术监测红树林群落存在的识别率较低的问题,提出了一种基于协同神经网络算法的红树林图像识别方法.首先,采用协同神经网络算法中的平衡网络参数方法对红树林图像进行识别.其次,利用微粒群算法对平衡参数方法进行改进.实验结果显示,该方法对红树林图像识别效率达到88.0%,显著优于传统的协同神经网络算法的识别率(78.0%),因此该方法具有良好的应用价值.     

L1范数约束的非局部均值正则图像去模糊模型

为了保护图像边缘、细节等信息,建立了l₁范数约束的非局部均值正则模型.首先通过实验证明了非局部均值去噪算法余项的概率密度函数具有较强的拖尾性质,符合Laplace分布的特点.基于此,使用l₁范数约束的非局部均值去噪算法余项作为新的正则项,提出了新的正则模型.然后利用Bregman算子分裂算法求解得到相应的优化算法,并且可将新算法看成Plug-and-Play Priors算法的推广.实验结果表明,新模型在去除模糊,保护图像边缘、细节等信息方面的性能都优于l₂范数约束的非局部均值正则模型和Plug-and-Play Priors模型.