压缩感知框架下的太阳图像重建方法

研制对日成像天线阵的主要困难体现在有限的预算和天线数目之间的矛盾,如何减少天线数目即降低采样率是重要目标之一.鉴于压缩感知理论能够以远低于奈奎斯特采样定律要求的数据恢复出原始信号和太阳图像的稀疏性,提出了基于压缩感知框架的太阳图像重建方法.通过仿真太阳图像和实际天文图像的成像实验例证了方案的有效性,表明在天线阵天线元数目和阵型确定的情况下,该方案在对相邻点源的分辨能力、对展源的保形能力以及动态范围方面有较优的性能.     

压缩感知OMP算法与IRLS算法在计算鬼成像中的对比分析

将压缩感知技术和鬼成像系统相结合,能够大幅度地降低成像所需的测量次数,并能有效地提高重构图像的峰值信噪比。本文将离散余弦变换（DCT）矩阵作为图像稀疏化矩阵,采用正交匹配追踪算法（OMP）和迭代加权最小二乘算法（IRLS）两种压缩感知算法作为压缩感知鬼成像系统图像重构的算法。通过对两种算法在改变稀疏度和测量次数时重构结果的峰值信噪比变化的比较,探究了这两个变量对峰值信噪比的影响。发现IRLS算法重构精度更高,图像质量更好,而OMP算法迭代速度比IRLS更快,重构图像所需的时间较少。     

多元遥感影像数据融合研究

由于遥感数据越来越丰富,不同传感器获取的影像数据在几何、光谱和空间分辨率等方面存在着一定的局限性和差异性。全色波段和多光谱影像融合得到的影像,兼有全色波段的高空间分辨率和多光谱影像的高光谱分辨率特性,可以满足影像解译的需求,而且融合后更能突出影像的某些特征：如土地利用变化和森林覆盖的变化等等。本文主要是介绍遥感影像融合的基本原理、融合后影像的评定和分析,并且将以主成份影像融合、IHS变换与直方图匹配法的遥感影像融合,进行以南昌市部分地区Quickbird全色影像和多光谱影像的融合实验分析。     

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.     

一种基于移相技术的图像超分辨方法

探测器像元尺寸的限制已成为空间遥感成像系统分辨率提高的一个瓶颈,针对以上问题,本文提出了一种基于移相技术的图像超分辨方法。通过采用移相技术获得相对焦平面产生小于探测器阵元尺寸的微小位移的图像序列,经过图像处理后获得实际分辨率优于探测器阵元尺寸的新图像。本文搭建了实验平台,介绍了实验装置的系统组成和工作原理,给出了图像处理采用的算法,并对其进行了实验验证。实验结果表明,利用该方法图像分辨率可以提高至原图像分辨率的1．4倍。     

4-f光学架构频域纯相位调制压缩成像

为了改善传统的多幅亚像素图像配准融合实现超分辨率的方法面临的配准误差和高成本问题,将压缩传感理论引入超分辨率成像. 基于大多数自然图像普遍具有的稀疏表示特性,以经典的4-f光学架构为基础,利用频域中相位比振幅包含更多信息的特点,提出了一种频域纯相位调制压缩成像方法,通过重建算法从单次曝光记录的低维测量值中恢复原高分辨率图像的信息. 数值实验结果表明,提出的方法可以有效地实现图像信息的随机调制和高质量重建,是一种有潜力的压缩成像物理实现方案,具有较高的重建信噪比和较少的重建时间,尤其是对于大尺度图像.     

基于动态多模式匹配的视频压缩感知三步重构

相较于奈奎斯特-香农定理所要求的采样数据量,压缩感知理论表明采用较少的测量值就可以实现高维信号的重构,因此压缩感知在视频信号传感中具有很大的潜力.现有的视频压缩感知重构算法是利用多假设预测来得到残差模型,大量文献采用基于最小均方误差的方法挑选多假设匹配块,由此对视频信号进行重构,然而没有考虑最大化重构视频的整体结构相似性,在图像重构的整体质量效果上存在较大改进空间,并且挑选匹配块的模式没有采用自适应的选择机制,挑选匹配块的方式较为单一.通过增加一定的复杂度,本文提出了一种基于动态多模式匹配的视频压缩感知三步重构算法,该算法主要包括三大步骤:第一步,对压缩感知的每一视频帧进行独立的重构;第二步,从参考帧中动态地挑选匹配块进行非关键帧的重构;第三步,基于整体结构相似性对重构帧进行最终挑选,完成多帧重构.实验结果表明,所提算法能够在重建端有效提高多假设过程的预测精度,与当前最优的视频重构算法相比,进一步提升了重构质量.     

Spectral methods for spatial resolution improvement of digital images

A general matrix formula is proposed for signal spectral aliasing of various or mutual resolution, the concept of spectral aliasing matrix is introduced, and some general spectral methods for spatial resolution improvement from multiframes of undersampled digital images are discussed. A simplified iterative method of parallel row-action projection for spectral de-aliasing is also given. The method can be applied to multiframe images with various spatial resolution,relative displacement, dissimilar point spread function, different image radiance, and additive random noise. Some experiments with a resolution test pattern and an image of vertical fin performed the convergence and the effectiveness of the algorithms.     

空间感知矩阵学习的极化SAR图像分类

为了解决最小二乘支撑矢量机无法高效地对大规模数据进行分类的问题,提出了一种空间感知矩阵学习的极化合成孔径雷达图像分类方法．感知矩阵由测量矩阵和字典的乘积构成,根据压缩感知理论,构造了空间感知矩阵．为了减小优化问题的规模,首先设计了与数据耦合的判别式测量矩阵;考虑到数据的极化信息和空间信息,构造了空间威沙特字典,减少了相干斑噪声对分类结果的影响;最后,提出了基于空间感知矩阵学习的分类器,获得了紧凑而又简洁的模型表示．真实极化合成孔径雷达数据的分类结果表明,这种分类器具有更高的分类准确率和更好的空间一致性．     

无参考图像质量评价的视觉测量照明

为提高视觉测量系统的图像质量,通过分析成像器件和照明光源的光谱匹配特性及照明光源的光谱-色差特性,研究了照明系统的光谱对图像质量的影响;引入对比度信噪比(constrast signal noise ratio,CSNR)和灰度清晰度Tenengrad函数的无参考图像质量的评价方法对不同照明光谱下的图像对比度和清晰度分别进行评价,通过评价函数获得视觉测量照明系统的光谱优化选择原则;最后对相同照度下的单色光和白光(复色光)照明获取的图像的对比度和清晰度成像指标进行对比实验,用所提出的评价函数对不同光谱条件下获取的数字图像进行质量评价.结果表明,使用接近于CCD光谱响应函数峰值波长附近的光谱照明,其图像对比度和清晰度指标都优于用复色光照明所获得图像的指标,为从事视觉测量系统设计者选择照明光源光谱提供了一个参考.     

利用压缩感知的短孔径高分辨ISAR成像方法

压缩感知理论揭示：对于稀疏信号可以利用非常有限的观测数据对信号本身进行精确恢复．基于此思路提出了一种利用短孔径有限数据实现高分辨逆合成孔径雷达成像的新方法,将逆合成孔径雷达成像转换为利用正交基重构稀疏信号的问题,然后利用压缩感知对目标像高分辨优化重建．同时,根据压缩感知理论对新成像方法的分辨率理论上界进行了推导．对舰船和机动飞机的实测数据的处理结果验证了新方法的有效性和稳健性．     

ALOS影像提升小波融合的土地覆被分类研究

根据提升小波变换原理,结合小波变换和色调、强度、饱和度变换(IHS变换)融合方法的优点,提出了提升小波变换影像融合模型,用于提高遥感影像土地利用/土地覆被基础信息解译精度.采用对比分析方法,以长江口北岸的日本先进陆地观测卫星(ALOS)影像融合为例,综合影像主客观综合评价和影像分类Kappa系数值,将提升小波融合方法与传统融合方法进行对比分析研究.结果表明:提升小波融合模型优于传统融合方法,该模型在提高影像空间分辨率的同时,能更好地保持影像光谱信息,从而有效地提高了遥感影像解译土地利用/土地覆被基础信息的精度.     

卫星遥感图像空间分辨率适用性分析

从卫星遥感图像空间分辨率的定义出发,简述了影响卫星遥感图像空间分辨率的几种因素。根据各研 究领域和研究层次对卫星遥感空间分辨率的不同需求,给出其相应的空间分辨率。从测绘制图的角度确定了不 同比例尺地图所需要的卫星遥感图像空间分辨率大小。讨论了当前主要遥感信息源的应用范围,并结合案例对 其适用性进行了分析,最后指出了卫星遥感技术目前存在的一些问题,提出了几点看法。     

空间分辨率对水体遥感信息提取的影响

以庐山及其周边作为研究区域,以MODIS、Landsat ETM+、SPOT以及GeoEye为数据源,对比分析了不同空间分辨率影像上水体的表现特征和影像所提取的水体结果的差异. 结果表明:在地形较为平坦、边界较为规整、水体面积较大的区域,空间分辨率对提取效果的影响较小;反之,提取面积误差会随着空间分辨率的降低而增大. 在地形平坦、边界规整、水体面积较大的区域,ETM+影像能很好地满足精度要求;而在地形崎岖、边界粗糙、水体面积较小的区域,综合考虑精度要求、经济成本和时间成本,适合采用分辨率为10 m的SPOT影像提取水体.     

WorldView-2遥感图像融合新方法

新型高分辨率WorldView-2星载图像的出现给现有的图像融合技术带来了更大的挑战,该文提出了一种全色光和多光谱图像融合新方法。首先采用最近邻插值对多光谱图像重采样放大;然后结合WorldView-2各波段光谱响应特点利用多元线性回归构造出低分辨率全色光图像,通过对原始高分辨率全色光图像空间细节信息的提取并将其注入至多光谱图像的成分空间中;最后经对应分析反变换得到融合结果。实验结果表明,该方法在融合WorldView-2遥感图像时能够在提高空间分辨率和保持光谱信息两方面达到较好的平衡,优于现有的几种融合方法。     

基于奇异值分解的测量矩阵优化

针对压缩感知理论中通用的测量矩阵(如随机高斯、伯努利等)不具有最优性能保证的问题,本文通过引入奇异值分解,提出基于奇异值分解的测量矩阵优化方法,对压缩感知中一般线性测量模型中的测量矩阵与测量向量进行优化,再利用优化后的测量矩阵与测量向量重建原稀疏信号。经典的随机高斯测量矩阵和伯努利测量矩阵的数值实验结果表明本文提出的方法可以显著地提高重建成功恢复概率以及对高斯噪声的鲁棒性。该方法适用于一般线性测量系统,成功地实现了测量矩阵和重建矩阵的分离,可在不改变前端测量模型的前提下使重建矩阵接近最优配置。     

一种基于压缩感知的图像去噪方法

提出一种新的图像去噪方法,即根据压缩感知理论,利用变换求出含噪图像的稀疏表示,运用算法重构出原始图像,从而达到去除噪声的目的.实验表明,该方法具有可操作性和可行性.     

提高遥感图像空间分辨率方法的研究

图像空间分辨率是评价图像质量的一个关键指标,它表示图像细节清楚程度,在保证图像一定信噪比的前提下,高空间分辨率一直是成像系统追求的目标.研究从提高遥感成像仪空间分辨率的原理出发,详细分析各种提高遥感成像仪图像空间分辨率的方法,并对最有应用前景的方法—SRR（Super Resolution Reconstruction）,进行了的理论分析与实验研究。     

基于PCA、SFIM、MLT算法的ETM+影像融合

采用PCA、SFIM和MLT3种融合算法对ETM 影像进行融合,并从融合影像的光谱质量、空间结构信息和分类精度等方面对融合方法进行评价.结果表明,SFIM融合法的光谱质量最高,PCA融合法具有最高的高频空间结构信息融入度,MLT融合法具有最高的分类精度,3种融合影像的分类精度都较原始影像的分类精度有所提高.     

Sparse Bayesian learning in ISAR tomography imaging

Inverse synthetic aperture radar(ISAR) imaging can be regarded as a narrow-band version of the computer aided tomography(CT). The traditional CT imaging algorithms for ISAR, including the polar format algorithm(PFA) and the convolution back projection algorithm(CBP), usually suffer from the problem of the high sidelobe and the low resolution. The ISAR tomography image reconstruction within a sparse Bayesian framework is concerned. Firstly, the sparse ISAR tomography imaging model is established in light of the CT imaging theory. Then, by using the compressed sensing(CS) principle, a high resolution ISAR image can be achieved with limited number of pulses. Since the performance of existing CS-based ISAR imaging algorithms is sensitive to the user parameter, this makes the existing algorithms inconvenient to be used in practice. It is well known that the Bayesian formalism of recover algorithm named sparse Bayesian learning(SBL) acts as an effective tool in regression and classification,which uses an efficient expectation maximization procedure to estimate the necessary parameters, and retains a preferable property of the l0-norm diversity measure. Motivated by that, a fully automated ISAR tomography imaging algorithm based on SBL is proposed.Experimental results based on simulated and electromagnetic(EM) data illustrate the effectiveness and the superiority of the proposed algorithm over the existing algorithms.