一种新型基于利用全色锐化技术的插值高光谱图像亚像元定位

利用全色锐化技术提出了一种新型基于插值的高光谱图像亚像元定位方法.在该方法中,在现有的基于插值的亚像元定位方法处理路径中加入一条新的处理路径.首先,在新的处理路径中利用全色锐化技术对原始粗高光谱图像的空间分辨率进行改进,通过对改进后的图像进行光谱解混得到新型精细丰度图像.其次,将新路径下产生的新型精细丰度图像与现有路径...     

一种新型基于利用全色锐化技术的插值高光谱图像亚像元定位（英文）

利用全色锐化技术提出了一种新型基于插值的高光谱图像亚像元定位方法。在该方法中,在现有的基于插值的亚像元定位方法处理路径中加入一条新的处理路径。首先,在新的处理路径中利用全色锐化技术对原始粗高光谱图像的空间分辨率进行改进,通过对改进后的图像进行光谱解混得到新型精细丰度图像。其次,将新路径下产生的新型精细丰度图像与现有路径下的精细丰度图像进行融合,得到具有更多空间-光谱信息的更精细丰度图像。最后,根据更细分数图像的预测值,类别分配方法给每个亚像元分配类标签,得到最终的定位结果。实验结果表明,该方法比现有的基于插值的亚像元定位方法产生具有更高的定位精度。     

基于不规则尺度区域光谱信息的高光谱图像亚像元定位（英文）

亚像元定位技术可以分析混合像元,并实现从丰度图像到亚像元级精细土地覆盖定位图像的转换。然而,传统的亚像元定位方法所使用的光谱信息通常在指定的矩形局部窗口中构造,并且很少使用所有波段的光谱信息,影响了亚像元定位的性能。为了解决这一问题,本文提出了一种基于不规则尺度区域光谱信息的高光谱图像亚像元定位方法 （SIISA）。在三幅遥感图像上的实验结果表明,所提出的SIISA优于现有的亚像元定位方法。     

基于高光谱解混的伪装目标识别技术研究

高光谱遥感图像识别技术在伪装目标识别方面具有很大的应用前景。针对高光谱遥感图像中的混合像元和光谱变异问题,提出基于高光谱解混技术的伪装目标识别方法。该方法采用扩展线性混合模型表征高光谱图像中的光谱变异问题,利用超像元分割技术将原始高光谱图像转换为粗细多尺度特征图,对超像元丰度矩阵附加8-邻域空间加权与行约束,以降低噪声和奇异点像元的影响。针对伪装目标空间分布稀疏的特点,在模型中增加丰度矩阵的截断加权核范数作为正则化项,以提高算法精度。实验结果表明提出的方法具有良好的抗噪性和较高的解混精度,可以有效提高伪装目标识别精度。     

最小体积约束的高光谱图像分辨率增强算法

针对现有的高光谱多光谱图像融合算法解空间较大、未考虑高光谱数据的物理意义以及存在局部最优的问题,提出了一种基于单形体最小体积约束的耦合非负矩阵分解的高光谱与多光谱图像融合算法(MVC-CNMF)。该算法在混合像元解混的过程中,考虑图像的物理意义,加入了端元单形体最小体积约束。由仿真结果可以看出,该算法能有效地克服现有融合算法中的缺陷,实现了高光谱与多光谱图像的端元与丰度的精确匹配,获得高空间分辨率的融合图像,尤其适用于端元数目较多的高光谱图像。     

多偏移遥感图像的BP神经网络亚像元定位

提出了一种借助多偏移遥感图像来改进基于BP神经网络(BPNN)的亚像元定位新方法.不同于原BPNN方法使用单幅低空间分辨率观测图像,新方法利用多幅带有亚像元偏移的低空间分辨图像来确定亚像元属于各类的概率,然后根据概率值和地物覆盖比例确定亚像元类别,以降低BPNN定位模型中的不确定性和误差.实验表明,提出方法在视觉和定量评价上,均能获得更高精度的亚像元定位结果,验证了提出方法的有效性.     

基于独立分量分析的高光谱遥感图像混合像元盲分解

高光谱遥感图像中各端元的分布不是相互独立的,传统基于独立分量分析的分解方法,只能先提取混合像元中的端元,后解混丰度,具有较高的统计不变性,盲分解效果差。基于此在独立分量分析方法中添加丰度非负约束和丰度和为一约束条件,使该方法能降低传统方法的统计不变性,通过变换主成分中心化处理原始高光谱遥感图像数据,降低波段数据之间存在的相关性;采用牛顿迭代法多次分解迭代高光谱遥感图像数据获取多个解混矩阵,通过正交化投影求解多个解混矩阵,初始化处理多个解混矩阵后,对其进行归一化处理,当临近两个矩阵值之差绝对值无限趋于零时,能获取最佳解混矩阵,采用该矩阵同步分解高光谱遥感图像混合图像的端元光谱矩阵和丰度向量,完成高光谱遥感图像混合像元的盲分解。经过实验分析发现在信噪比为15dB时,该方法分解高光谱遥感图像端元均方根误差和平均光谱角距离误差,最小值分别是0.07%和0.02%,且误差变化幅度小,即该方法分解效果较好。     

高光谱解混方法研究

高光谱图像的空间分辨率较低,导致大量混合像元存在于高光谱图像中。混合像元的存在是使高光谱图像目标分类准确率降低的主要原因之一。高光谱像元解混在高光谱遥感图像处理中具有非常重要的意义。高光谱像元解混主要分为线性和非线性光谱解混两种方法,研究最广泛的是线性光谱解混。归纳了线性光谱解混的两个步骤:（1）提取纯净像元中地物的光谱信号,即提取端元,这是关键步骤;（2）利用端元的加权线性组合对混合像元进行光谱解混,即丰度反演。简述了端元提取及丰度反演研究的主要进展,介绍了端元提取的几种典型算法。通过归纳、对比和分析,总结了不同端元提取方法的特点,并对高光谱解混的研究前景进行了展望。     

亚像元技术在图像采集系统中的应用

指出利用亚像元技术来提高图像采集系统空间分辨率,不仅要在理论上研究亚像元技术的性能以及图像超分辨率重建算法,还要研究亚像元技术受到系统其他因素的影响以及亚像元技术对系统其他性能的影响.分析了图像配准程度、光学系统点扩散函数以及仪器信噪比和亚像元技术的相互影响关系,并得到结论根据系统不同工作环境进行设计以保证亚像元技术带来的空间分辨率的提高和系统其他性能的平衡,是在系统中正确运用亚像元技术的关键.     

光纤耦合的亚像元超分辨率扫描成像图像处理

遥感成像时,采用六角形排列叠层结构的光纤束耦合图像,微扫描工作方式使目标图像依次通过各层光纤。六角形排列的光纤束邻近层光纤之间的错位属亚像元量级,采用亚像元图像处理能获取超分辨率图像。亚像元处理时,首先分离邻近层光纤耦合的图像,以其中一幅图像为基准对另一图像进行配准处理得到中间图像,然后对中间图像和基准图像进行傅里叶变换。考虑仪器及人眼分辨极限,设定图像信号为带限信号,将光纤束邻近层半个像元的错位转化为两幅图像频谱的相位差,从而确定图像融合的插值函数。实验结果表明,针对光纤束六角形排列的亚像元处理获取了超高空间分辨率的图像。     

多帧超分辨率重建中的图像插值

为了实现多帧超分辨率重建,必须从图像序列中提取子像素信息,因此要求图像的配准精确到子像素级。本文提出了一种超分辨率重建中运动矩阵的构造方法。为了提高矩阵的构造精度,该方法引入图像插值,用性能好但计算量较小的三次插值算子实现插值运算,并比较了三种常用插值核的性能。实验结果表明,选择适当的插值函数不仅不会明显增加计算量,而且可以显著提高矩阵的构造精度,从而大大提高多帧超分辨率重建图像的质量。     

波前编码超分辨成像技术

波前编码作为一种经典的计算成像技术,以能够大幅度拓展光学成像系统的焦深而闻名,并得到了学术界及工业界长期的关注。实际上,除了焦深的拓展,波前编码还具备实现超分辨率成像的潜力,而这在已有的研究中鲜有讨论。一方面,相位掩膜板的引入在降低光学系统传递函数并使其对离焦不敏感的同时,也有效降低了欠采样数字成像系统中的混叠效应,从而提供了更适合于进行超分辨率重构的数据源。另一方面,相位掩膜板所引起的点扩散函数支持域的巨大化效应使得以数字的方式、从采样间隔可以被认为是无限小的、理想的光学焦平面点扩散函数来计算与特定探测器物理像元大小相对应的采样点扩散函数成为可能。因此,从这两个特点出发,提出了一种为波前编码系统定制的、基于单帧图像放大的超分辨率重构算法,并且研制了原型样机对超分辨率的效果进行了检验。试验表明:焦距50 mm/F数4.5的Cooke三片系统除了焦深拓展超过20倍且具有接近衍射受限成像品质之外,利用复原算法能够实现至少3倍的高品质超分辨率重建效果。     

基于L0范数稀疏表达的图像盲超分辨率重建

由于大部分超分辨率图像重建方法都是建立在图像的点扩散函数为已知或假设点扩散函数为高斯模糊核的条件下,但真实的低分辨率图像中的点扩散函数并不是高斯函数,而是由随机的相机抖动造成的。为了提高重建的超分辨率图像质量并使其更接近真实场景,提出了一种基于L0范数稀疏表达的图像盲超分辨率重建方法。首先利用了基于L0范数的梯度最小化方法估计出超分辨率图像中的点扩散函数,再通过点扩散函数的估计在超分辨率重建的过程中有效地去除图片的模糊效应,最后利用反向传播算法,使重建的超分辨率图像更接近真实。通过实验结果表明,提出的方法相对于双三次插值法和基于多字典学习的图像超分辨率重建算法可以得到更清晰的重建效果,峰值信噪比和平均结构相似度均有提高,最后在真实图片重建测试效果中也得到了更好的验证。     

基于MTF的影响超分辨率图像重建效果的因素分析

从超分辨率图像重建技术在工程中应用的角度出发,总结了图像采集仪器获取满足超分辨率图像重建技术需求的满足特定相位相关的原始图像序列方法,从理论上导出了由于仪器精度问题带来的原始图像序列相位关系对超分辨率图像重建效果的影响公式,统一了传统探测和亚像元探测的关系,也说明了超分辨率图像重建技术选择图像序列具有50%像元位移的原因.     

一种大视场TDICCD相机的多传感器图像配准方法

某大视场TDICCD相机采用多片TDICCD拼接,多通道输出全色和多光谱遥感图像,为了获得良好的融合和拼接效果,本文提出了一种基于双线性插值的空域互相关配准方法。首先,应用双线性插值算法对多光谱各谱段图像进行放大,得到和全色图像相同大小的多光谱图像。然后,采用空域互相关配准方法对多光谱各谱段图像和全色图像进行配准,并对有重叠像元的两通道图像进行拼接。实验结果表明,本文方法快速,抗噪性和鲁棒性较高,使大视场TDICCD相机多通道遥感图像配准取得了良好的效果。     

基于多点信息统计法的土地覆盖图像超分辨率重建方法

在利用遥感技术对土地覆盖情况制图的过程中,超分辨率重建被广泛采用.包含土地覆盖图像特征的先验模型可以减少重建过程中的不确定性.多点信息统计法可以从先验模型提取其本质特征,然后将特征复制到待模拟区域.然而传统基于线性降维的多点信息统计法不能有效处理非线性数据,因此将等距特征映射引入到多点信息统计法以实现非线性数据的降维,再对降维后的数据作分类处理.比较当前数据事件和各个分类的均值,从与当前数据事件最接近的类中提取模式.同时利用低精度原始图像作为软数据以重建较高精度的土地覆盖图像.实验表明重建的超分辨率土地覆盖图像具有与参照图像相似的结构特征.     

一种改善图像边缘效果的POCS超分辨率重建方法

利用图像超分辨率重建(SRR)技术可以在现有成像系统基础上提高图像空间分辨力。凸集投影(POCS)是超分辨率重建的主流方法之一。对POCS算法进行了改进,具体改进体现在两个方面:(1)用可控核回归插值图像作为POCS重建的初始估计以提高初始估计图像的质量;(2)将POCS重建中使用的点扩散函数(PSF)由高斯核改为可控核以减少重建图像的边缘振荡效应。对所提出的算法进行了仿真,实验结果显示采用本文方法重建图像的边缘效果有了明显的改善。     

多线阵CCD亚像元成像超分辨率重构技术研究

为实现以多片线阵CCD亚像元成像为基础,提出一种超分辨率重构算法。首先,在高分辨率网格上建立插值模型;然后,辨识插值重构图像在线阵列方向和扫描方向的模糊核,得到整幅图像的模糊核;最后,采用带有Neumman边界条件(BCs)的梯度平滑Richard-Lucy(GSRL)滤波复原算法去除模糊,抑制了振铃效应。实验结果表明,用本文算法重构超分辨率图像的灰度平均梯度(GMG)值较双线性插值法提高了7.63,主观目视清晰、细节丰富;可以实现对多片线阵CCD亚像元成像的超分辨率重构,获取更高的系统分辨率。     

双约束深度卷积网络的高光谱图像空谱解混方法

高光谱图像凭借其“图谱合一”的特点逐渐在军事、环境、农业等方面发挥出重要作用。但是，由于传感器空间分辨率的限制以及地物分布的复杂多样性，高光谱遥感图像中通常存在大量的混合像元，严重制约了高光谱遥感的应用范围。目前，处理混合像元问题最有效的分析方法是混合像元分解（解混）。近年来，深度学习的发展对高光谱遥感产生了重大影响，也催生出一系列基于深度学习的解混方法。现有基于深度学习的解混方法在隐藏信息挖掘方面表现出极大的潜力和优势，通常情况下能够取得更加准确的结果。然而，这些方法大多只考虑了地物的光谱信息而忽略空间分布规律，导致在复杂场景中估算结果可能并不理想，逐渐难以满足工程应用的实际需求。为进一步发掘和利用空间信息提升解混的准确性，本文构建了一种新的深度学习网络来实现高光谱图像解混。新提出的解混网络采用卷积层来获取先验信息，利用高斯核函数的特性来协助区分物质属性，并且通过分配中心像元与邻域像元间的权重来增进丰度平滑性。在新网络中，本文使用Softmax作为丰度对应层的激活函数来约束丰度的输出。此外，在Softmax中，本文采用了L1/2正则化来避免节点出现过拟合而影响最终结果，进一步强化了网...     

基于边缘保持的航拍图像凸集投影超分辨率重建算法

针对传统的凸集投影(POCS)超分辨率图像重建算法经常出现的边缘模糊问题,在传统POCS算法原理基础上,文章使用基于梯度插值的算法生成POCS重建的初始估计图像,然后对中心点为边缘像素的空间点扩散函数(PSF)进行修正,使其系数沿梯度大的方向减小,梯度小的方向保持不变。利用改进的POCS算法进行了超分辨率图像重建实验,结果表明,图像峰值信噪比由原来的27.29dB达到28.12dB。该方法有效地保持了边缘特性,改善了超分辨率图像重建质量。