|
關(guān)于我們
 書(shū)單推薦 新書(shū)推薦 |
遙感圖象復(fù)原與超分辨理論及實(shí)現(xiàn) 
定 價(jià)：186 元
9 7 4 8 8 7 9 0 3 3 6 0 4 讀者對(duì)象:本書(shū)適用于信號(hào)與信息處理、電子與通信工程、計(jì)算機(jī)科學(xué)與應(yīng)用等專(zhuān)業(yè)師生或科學(xué)研究人員 
本文是十多年關(guān)于遙感圖象復(fù)原與超分辨研究成果的結(jié)晶與理論升華，其中包括緒論、先驗(yàn)信息提取、圖象復(fù)原和圖象超分辨，而圖象超分辨又包括頻域圖象超分辨、空域圖象超分辨和神經(jīng)網(wǎng)絡(luò)圖象超分辨等三個(gè)部分。高分辨率的遙感圖象，作為蘊(yùn)涵和表達(dá)目標(biāo)客體及其背景信息的載體，其應(yīng)用領(lǐng)域越來(lái)越廣泛，應(yīng)用價(jià)值越來(lái)越高。圖象復(fù)原與超分辨作為成像過(guò)程的反過(guò)程，所涉及的數(shù)理問(wèn)題屬于"反問(wèn)題"，"反問(wèn)題"的一個(gè)重要屬性是它的"病態(tài)"，因此高分辨率圖象的求解很困難。圖象復(fù)原操作主要是解模糊、抑制噪聲污染和消除薄云薄霧干擾等，而圖象超分辨要解決的核心問(wèn)題是解開(kāi)被處理低分辨率圖象的頻率混疊、擴(kuò)展和增強(qiáng)高頻成分、展寬頻譜、改善頻譜結(jié)構(gòu)，使其恢復(fù)和逼近原理想物圖象的頻譜。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。 
目錄
前言 縮寫(xiě)詞 插圖目錄 插表目錄 第1章 緒論1 1.1引言1 1.2成像模型6 1.2.1遙感圖象的成像過(guò)程及其影響因素6 1.2.2成像模型及其分析9 1.3遙感圖象質(zhì)量恢復(fù)的技術(shù)途徑及其理論依據(jù)11 1.3.1圖象質(zhì)量恢復(fù)途徑及問(wèn)題1 1 1.3.2圖象質(zhì)量恢復(fù)的理論依據(jù)13 1.4圖象復(fù)原引論15 1.5圖象超分辨淺論18 1.5.1圖象內(nèi)插技術(shù)21 1.5.2基于局部譜變換特征的凸顯技術(shù)25 1.5.3基于多核基集合的高分辨圖象重建技術(shù)27 1.6系統(tǒng)方案 31 1.6.1系統(tǒng)方案的設(shè)計(jì)和原理框圖31 1.6.2工作原理33 1.7小結(jié)和評(píng)述34 第2章 遙感圖象的先驗(yàn)信息提取36 2.1圖象概率先驗(yàn)?zāi)Ｐ图捌渥儞Q分析36 2.1.1圖象概率先驗(yàn)?zāi)Ｐ?6 2.1.2圖象變換分析39 2.1.3頻譜分析及頻率混疊深度參數(shù)的定義與提取44 2.2圖象模糊及其模糊函數(shù)的先驗(yàn)?zāi)Ｐ?51 2.2.1圖象模糊及其模糊參數(shù)分析 51 2.2.2模糊函數(shù)的先驗(yàn)?zāi)Ｐ?5 2.3圖象噪聲及其分析59 2.3.1噪聲米源及其先驗(yàn)分析59 2.3.2噪聲分析 61 2.4圖象云霧分析及其圖象模型65 2.5成像調(diào)制傳遞函數(shù)及其影響因素分析 66 2.5.1調(diào)制傳遞函數(shù)的基本概念和物理意義 66 2.5.2調(diào)制傳遞函數(shù)的數(shù)學(xué)模型及其實(shí)驗(yàn)數(shù)據(jù)68 2.6圖象配準(zhǔn)技術(shù)及其幀間變換參數(shù)的提取74 2.6.1圖象配準(zhǔn)技術(shù)研究總體方案74 2.6.2基于FT的圖象頻域配準(zhǔn)及其優(yōu)化算法75 2.6.3基于光（學(xué)）流的魯棒性高精度圖象配準(zhǔn)算法方案85 2.6.4基于不變特征的高精度圖象配準(zhǔn)算法方案86 2.7小結(jié)與評(píng)述87 第3章 遙感圖象復(fù)原處理技術(shù)研究89 3.1引言89 3.2圖象模糊復(fù)原技術(shù)及其解模糊算法90 3.2.1圖象解模糊實(shí)施方案90 3.2.2圖象基本頻域解模糊算法 91 3.2.3有限支持域上圖象盲目反卷積解模糊算法104 3.3圖象噪聲抑制技術(shù)及其去噪算法128 3.3.1引言128 3.3.2基于多幀融合的頻域法圖象去噪技術(shù)129 3.3.3基于PDE的擴(kuò)散圖象去噪技術(shù)131 3.3.4剔除遙感圖象條帶噪聲的陷波帶阻濾波器146 3.3.5改進(jìn)的中值濾波器消除顆粒噪聲算法151 3.4圖象薄云薄霧的抑制技術(shù)151 3.4.1基于同態(tài)濾波的薄云薄霧抑制技術(shù)152 3.4.2基于小波多分辨分析的薄云薄霧抑制技術(shù)156 3.4.3兩種抑制薄云薄霧方法的比較160 3.5小結(jié)與評(píng)述161 第4章 頻域圖象超分辨處理技術(shù)研究163 4.1引言163 4.2單幀頻域變換與補(bǔ)償擴(kuò)展超分辨處理技術(shù)研究164 4.2.1FFT算法的改進(jìn)和頻域變換增強(qiáng)技術(shù)的形成165 4.2.2單幀頻域變換與增強(qiáng)技術(shù)方案及其精度分析167 4.2.3使用條件與理論極限174 4.2.4振鈴的抑制和幀內(nèi)頻域補(bǔ)償與擴(kuò)展濾波器的設(shè)計(jì)175 4.2.5單幀頻域變換與補(bǔ)償擴(kuò)展超分辨自適應(yīng)算法1 85 4.2.6實(shí)驗(yàn)結(jié)果及其分析1 86 4.3圖象頻域解混疊超分辨處理技術(shù)研究 202 4.3.1研究實(shí)施方案 202 4.3.2多幀（源）頻域解混疊的理論分析 203 4.3.3單幀頻域解混疊算法 210 4.3.4實(shí)驗(yàn)結(jié)果及其分析 212 4.4二至多幀頻域融合超分辨算法研究 225 4.4.1引言 225 4.4.2頻域融合超分辨算法的建立 225 4.4.3實(shí)驗(yàn)結(jié)果及其分析 229 4.5小結(jié)與評(píng)述 240 第5章空域圖象超分辨處理技術(shù)研究 242 5.1引言 242 5.2網(wǎng)格超分辨估計(jì)算法及其模塊研究 244 5.2.1低分辨率序列圖象與高分辨率圖象之間的空間關(guān)系 245 5.2.2標(biāo)準(zhǔn)位移低分辨率圖象的求解 247 5.2.3空域遞歸迭代網(wǎng)格算法模型的建立 249 5.2.4空域遞歸迭代網(wǎng)格算法模塊 250 5.2.5實(shí)驗(yàn)結(jié)果及其分析 252 5.3 MAP估計(jì)算法及其算法模塊研究 253 5.3.1研究實(shí)施方案 253 5.3.2圖象的概率模型與估計(jì) 254 5.3.3代價(jià)函數(shù)及其最小化估計(jì) 256 5.3.4梯度下降的優(yōu)化 257 5.3.5循環(huán)遞歸迭代算法模塊 259 5.3.6實(shí)驗(yàn)結(jié)果及其分析 259 5.4 PMAP估計(jì)基本算法模型及其改進(jìn)算法研究 261 5.4.1引言 261 5.4.2 PMAP/PML估計(jì)基本算法模型 262 5.4.3改進(jìn)的PMAP估計(jì)算法 269 5.4.4實(shí)驗(yàn)結(jié)果及其分析 274 5.5 POCS估計(jì)算法模型及其計(jì)算流程研究 283 5.5.1引言 283 5.5.2 POCS估計(jì)算法的基礎(chǔ)理論 284 5.5.3 POCS估計(jì)基本算法和RPOCS估計(jì)魯棒算法 287 5.5.4實(shí)驗(yàn)結(jié)果及其分析 294 5.6 PMAP/POCS融合最優(yōu)算法的建立及其實(shí)驗(yàn)研究 298 5.6.1引言 298 5.6.2 PMAP/POCS融合的理論基礎(chǔ) 299 5.6.3 PMAP/POCS融合最優(yōu)算法的建立302 5.6.4實(shí)驗(yàn)結(jié)果及其分析 310 5.7小結(jié)與評(píng)述 321 第6章 神經(jīng)網(wǎng)絡(luò)圖象超分辨技術(shù)研究 324 6.1引言 324 6.2神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ) 327 6.2.1神經(jīng)元及其激勵(lì)函數(shù) 327 6.2.2人工神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)方法 331 6.3 BP網(wǎng)模型及其學(xué)習(xí)算法334 6.3.1 BP網(wǎng)學(xué)習(xí)過(guò)程分析及其數(shù)學(xué)模型 334 6.3.2 BP網(wǎng)基本學(xué)習(xí)算法及其局限性 337 6.3.3比例共軛梯度學(xué)習(xí)算法 342 6.3.4 BP網(wǎng)學(xué)列算法實(shí)現(xiàn)的保障及優(yōu)化352 6.4網(wǎng)絡(luò)訓(xùn)練樣本圖象的采集及其映射向量的獲取357 6.4.1網(wǎng)絡(luò)訓(xùn)練樣本圖象的采集357 6.4.2網(wǎng)絡(luò)訓(xùn)練映射向量的構(gòu)造方法359 6.4.3網(wǎng)絡(luò)訓(xùn)練映射向量的數(shù)量和質(zhì)量 362 6.5 BP網(wǎng)結(jié)構(gòu)的確定方法 363 6.6單級(jí)訓(xùn)練圖象超分辨BP網(wǎng)的建立和實(shí)驗(yàn)研究 366 6.6.1結(jié)構(gòu)的確定 366 6.6.2網(wǎng)絡(luò)參數(shù)的選擇 368 6.6.3圖象超分辨BP網(wǎng)單級(jí)訓(xùn)練實(shí)驗(yàn)結(jié)果 370 6.6.4單級(jí)訓(xùn)練圖象超分辨BP網(wǎng)泛化應(yīng)用實(shí)驗(yàn)結(jié)果與分析 372 6.7三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)的建立和實(shí)驗(yàn)研究 375 6.7.1引言 375 6.7.2三級(jí)訓(xùn)練樣本圖象的獲取篩選及其映射向量的構(gòu)成 376 6.7.3三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)結(jié)構(gòu)設(shè)計(jì)及其參數(shù)的選擇 379 6.7.4圖象超分辨BP網(wǎng)三級(jí)訓(xùn)練算法及其訓(xùn)練實(shí)驗(yàn)結(jié)果 382 6.7.5三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)泛化應(yīng)用實(shí)驗(yàn)結(jié)果與分析 384 6.8小結(jié)與評(píng)述 396 后記 399 參考文獻(xiàn) 400 彩圖 插圖目錄 圖1.2.1遙感圖象成像過(guò)程示意圖7 圖1.2.2遙感圖象成像模型9 圖1.5.1幾種常見(jiàn)的插值核函數(shù)示意圖23 圖1.5.2 FIR插值法頻譜示意圖(P=3) 24 圖1.5.3圖象頻譜的二維振幅譜示意圖25 圖1.5.4高頻補(bǔ)償濾波器的幅頻響應(yīng)示意圖26 圖1.5.5基于多核基集合的訓(xùn)練過(guò)程框圖28 圖1.5.6基于多核基集合的高分辨圖象重構(gòu)過(guò)程原理框圖28 圖1.5.7鄰域抽取示意圖29 圖1.5.8五角大樓的基集合插值效果圖31 圖1.6.1遙感圖象復(fù)原與超分辨率處理技術(shù)系統(tǒng)方案簡(jiǎn)圖32 圖1.6.2遙感圖象復(fù)原與超分辨率處理技術(shù)系統(tǒng)方案原理框圖32 圖2.1.1圖象頻譜移位示意圖41 圖2.1.2下采樣圖象的一維頻譜高頻部分及其頻率混疊分析圖46 圖2.1.3“資源二號(hào)”遙感圖象的一維頻譜高頻部分分析圖48 圖2.1.4 1m分辨率遙感圖象的一維頻譜高頻部分分析圖49 圖2.2.1圖象模糊退化實(shí)驗(yàn)及其頻譜分析54 圖2.3.1圖象噪聲污染實(shí)驗(yàn)及其頻譜變化63 圖2.4.1薄云薄霧成像模型示意圖65 圖2.5.1 MFT （f）的一般形式示意圖68 圖2.5.2線(xiàn)陣CCD光敏器件示意圖70 圖2.6.1基于FT的多幀序列圖象配準(zhǔn)技術(shù)總體方案框圖75 圖2.6.2用于圖象配準(zhǔn)仿真實(shí)驗(yàn)的原始圖象76 圖2.6.3幀間不存在旋轉(zhuǎn)時(shí)基于FT的圖象頻域配準(zhǔn)算法仿真技術(shù)方案框圖77 圖2.6.4幀間存在旋轉(zhuǎn)時(shí)基于FT的圖象頻域配準(zhǔn)算法仿真技術(shù)方案框圖78 圖2.6.5基于全局運(yùn)動(dòng)模型的圖象配準(zhǔn)算法仿真方案簡(jiǎn)圖81 圖2.6.6采用高斯低通濾波器優(yōu)化的圖象頻域配準(zhǔn)算法仿真方案框圖 82 圖2.6.7采用R低通濾波器優(yōu)化的圖象頻域配準(zhǔn)算法仿真方案框圖83 圖2.6.8基于光流的魯棒性高精度圖象配準(zhǔn)算法仿真方案85 圖2.6.9基于不變特征的高精度圖象配準(zhǔn)算法方案框圖86 圖3.2.1遙感圖象模糊分析及解模糊復(fù)原技術(shù)實(shí)施方案框圖91 圖3.2.2圖象基本頻域解模糊復(fù)原仿真實(shí)驗(yàn)方案框圖94 圖3.2.3高斯模糊（б2=0.8，5x5不附加噪聲）圖象基本頻域反卷積解模糊算法仿真實(shí)驗(yàn)結(jié)果(55%顯示)95 圖3.2.4線(xiàn)性運(yùn)動(dòng)（θ=12。，5像素）模糊噪聲圖象基本頻域反卷積解模糊仿真實(shí)驗(yàn)結(jié)果(55%顯示)97 圖3.2.5線(xiàn)性運(yùn)動(dòng)模糊（？=30。，5像素）噪聲圖象基本頻域反卷積解模糊算法仿真實(shí)驗(yàn)結(jié)果（67%顯示）98 圖3.2.6有噪高斯模糊（б2= 0.8，5x5）圖象基本頻域反卷秋解模糊算法仿真實(shí)驗(yàn)結(jié)果(一)（55%顯示）~100 圖3.2.7有噪高斯模糊（б2 =0.8，5x5）圖象基本頻域反卷秋解模糊算法仿真實(shí)驗(yàn)結(jié)果（二）（67%顯示）101 圖3.2.8有噪(N(0，10))散焦模糊(5X5矩形)圖象基本頻域反卷積解模糊算法仿真實(shí)驗(yàn)結(jié)果（一）(55%顯示)102 圖3.2.9有噪(N(0，10))散焦模糊(5X5矩形)圖象基本頻域反卷積解模糊算法仿真實(shí)驗(yàn)結(jié)果(二)（133%顯示）103 圖3.2.10空域迭代盲目反卷積模糊圖象復(fù)原算法框圖111 圖3.2.11基于FT的迭代盲目反卷積模糊圖象復(fù)原算法框圖114 圖3.2.12有限支持域迭代盲目反卷積模糊圖象復(fù)原仿真實(shí)驗(yàn)方案115 圖3.2.13空域迭代盲目反卷秋算法對(duì)無(wú)噪散焦模糊圖象復(fù)原仿真實(shí)驗(yàn)結(jié)果（N為迭代次數(shù)）116 圖3.2.14基于FT的迭代盲目反卷積算法對(duì)無(wú)噪散焦模糊圖象復(fù)原實(shí)驗(yàn)結(jié)果（N為迭代次數(shù)）117 圖3.2.15兩種盲目反卷積算法解散焦模糊（不附加噪聲）復(fù)原圖象的PSNR與迭代次數(shù)N的關(guān)系118 圖3.2.16空域迭代盲目反卷積算法對(duì)有噪散焦模糊圖象復(fù)原仿真實(shí)驗(yàn)結(jié)果（N為迭代次數(shù)）(48%顯示)119 圖3.2.17基于FT的迭代盲目反卷積算法對(duì)有噪散焦模糊圖象復(fù)原仿真實(shí)驗(yàn)結(jié)果（N為迭代次數(shù)）(48%顯示)120 圖3.2.18兩種盲目反卷積算法解散焦模糊（有噪）復(fù)原圖象的PSNR增量與迭代次數(shù)N的關(guān)系121 圖3.2.19有限支持域迭代(N=2)盲目反卷積算法解散焦模糊（有噪）復(fù)原圖象仿真實(shí)驗(yàn)結(jié)果(70%顯示)124 圖3.2.20基于FT的迭代(N=2)盲目反卷積算法對(duì)真實(shí)暹感圖象解模糊復(fù)原實(shí)驗(yàn)結(jié)果(70%顯示)127 圖3.3.1基于多幀融合的頻域循環(huán)遞歸迭代去噪算法仿真實(shí)驗(yàn)結(jié)果(66%顯示)1 30 圖3.3.2基于PDE的九種擴(kuò)散去噪算法仿真實(shí)驗(yàn)方案138 圖3.3.3基于PDE的擴(kuò)散去噪算法處理高斯噪聲圖象的一組仿真實(shí)驗(yàn)結(jié)果(51%顯示)139 圖3.3.4基于PDE的擴(kuò)散去噪算法處理泊松噪聲圖象的一組仿真實(shí)驗(yàn)結(jié)果(51%顯示)140 圖3.3.5改進(jìn)的各向異性擴(kuò)散去噪方法仿真實(shí)驗(yàn)結(jié)果143 圖3.3.6改進(jìn)的各向異性擴(kuò)散去噪算法對(duì)真實(shí)遙感圖象的實(shí)驗(yàn)結(jié)果(72%顯示)146 圖3.3.7含條帶噪聲的CBERS-2三波段圖象及其頻譜分析圖(39%顯示)147 圖3.3.8三種常見(jiàn)的陷波帶阻濾波器示意圖148 圖3.3.9陷波帶阻濾波器（圖象中心部位為低頻部分）示意圖148 圖3.3.10陷波帶阻濾波器設(shè)計(jì)示意圖149 圖3.3.11陷波帶阻濾波器及其處理前后的圖象(39%顯示)150 圖3.4.1基于同態(tài)濾波的圖象薄云薄霧抑制技術(shù)實(shí)施方案框圖154 圖3.4.2基于同態(tài)濾波的圖象薄云薄霧抑制技術(shù)典型實(shí)驗(yàn)結(jié)果(44%顯示)154 圖3.4.3基于同態(tài)濾波的圖象薄云薄霧抑制技術(shù)實(shí)驗(yàn)結(jié)果(66%顯示)155 圖3.4.4基于小波多分辨分析的圖象薄云簿霧抑制技術(shù)實(shí)施方案l58 圖3.4.5基于小波多分辨分析的圖象薄云薄霧抑制應(yīng)用實(shí)驗(yàn)結(jié)果(64%顯示)159 圖3.4.6基于小波多分辨分析的圖象薄云薄霧抑制仿真實(shí)驗(yàn)結(jié)果(72%顯示)160 圖4.2.1 FFT插值(P=2)算法示意圖165 圖4.2.2單幀圖象頻域變換與增強(qiáng)算法處理靶標(biāo)圖象提高分辨率效果比較(51%顯示)167 圖4.2.3單幀圖象頻域變換與增強(qiáng)算法對(duì)1m分辨率遙感圖象的處理結(jié)果(70%顯示)167 圖4.2.4單幀頻域變換與增強(qiáng)算法仿真技術(shù)方案168 圖4.2.5單幀頻域變換與增強(qiáng)算法單向提高圖象分辨率的實(shí)驗(yàn)結(jié)果170 圖4.2.6單幀頻域變換與增強(qiáng)算法雙向提高圖象分辨率的實(shí)驗(yàn)結(jié)果172 圖4.2.7單幀頻域變換與增強(qiáng)技術(shù)應(yīng)用方案172 圖4.2.8單幀頻域變換與增強(qiáng)算法處理前后的圖象(72%顯示)l74 圖4.2.9遙感圖象的二維頻譜和一維頻譜分析175 圖4.2.10圖象超分辨中抑制振鈴技術(shù)實(shí)施方案框圖176 圖4.2.11一維信號(hào)FFT插值法頻域變換示意圖176 圖4.2.12復(fù)雜程度不同的圖象及其頻譜分析圖177 圖4.2.13單幀頻域補(bǔ)償與擴(kuò)展濾波器一維基礎(chǔ)函數(shù)響應(yīng)和p指數(shù)變化的關(guān)系179 圖4.2.14維頻率補(bǔ)償與擴(kuò)展濾波器操作原理（混疊的校正和補(bǔ)償）示意圖(A=2)180 圖4.2.15單幀頻域補(bǔ)償與擴(kuò)展濾波器和其他幾種插值方法的性能實(shí)驗(yàn)效果比較181 圖4.2.16圖象振幅譜方差DF與指數(shù)p的關(guān)系184 圖4.2.17單幀頻域變換與補(bǔ)償擴(kuò)展超分辨自適應(yīng)算法模塊185 圖4.2.18分辨率等級(jí)測(cè)試圖象對(duì)單幀頻域變換與補(bǔ)償擴(kuò)展算法的性能考查實(shí)驗(yàn)結(jié)果191 圖4.2.19單幀頻域變換與補(bǔ)償擴(kuò)展算法對(duì)“資源二號(hào)”遙感圖象的應(yīng)用處理結(jié)果(72%顯示)193 圖4.2.20單幀頻域變換與補(bǔ)償擴(kuò)展算法對(duì)多類(lèi)不同分辨率衛(wèi)星遙感圖象的應(yīng)用處理結(jié)果198 圖4.2.21單幀頻域變換與補(bǔ)償擴(kuò)展算法對(duì)“資源號(hào)”圖象執(zhí)行顯示模式放大4×4倍處理效果(53%顯示) 200 圖4.2.22單幀頻域變換與補(bǔ)償擴(kuò)展算法對(duì)國(guó)際衛(wèi)星圖象執(zhí)行顯示模式放大4×4倍處理效果 201 圖4.3.1圖象頻域解混疊超分辨技術(shù)實(shí)施方案 202 圖4.3.2常見(jiàn)的幾種采樣函數(shù) 211 圖4.3.3單幀頻域解混疊重復(fù)遞歸迭代算法模塊 212 圖4.3.4多幀頻域解混疊基本算法對(duì)16幀欠采樣序列圖象的仿真驗(yàn)證實(shí)驗(yàn)結(jié)果(66%顯示) 213 圖4.3.5多幀頻域解混疊基本算法對(duì)16幀欠采樣噪聲序列圖象的仿真驗(yàn)證實(shí)驗(yàn)結(jié)果(66%顯示) 214 圖4.3.6多幀頻域解混疊基本算法對(duì)16幀欠采樣模糊序列圖象的仿真驗(yàn)證實(shí)驗(yàn)結(jié)果(66%顯示) 215 圖4.3.7分辨率等級(jí)測(cè)試圖象對(duì)單幀頻域解混疊算法的性能考查實(shí)驗(yàn)結(jié)果 221 圖4.3.8單幀頻域解混疊算法對(duì)“資源二號(hào)”遙感圖象的應(yīng)用處理結(jié)果(72%顯示) 224 圖4.3.9單幀頻域解混疊算法對(duì)國(guó)際上某衛(wèi)星圖象的應(yīng)用處理結(jié)果 224 圖4.4.1圖象頻域融合超分辨算法框圖（圖象模式放大2x2倍） 228 圖4.4.2兩幀輸入頻域融合超分辨算法的仿真驗(yàn)證實(shí)驗(yàn)結(jié)果(73%顯示) 231 圖4.4.3 3m分辨率1knos等級(jí)測(cè)試圖象對(duì)頻域融合超分辨算法的性能考查實(shí)驗(yàn)結(jié)果 233 圖4.4.4 2m分辨率1knos等級(jí)測(cè)試圖象對(duì)頻域融合超分辨算法的性能考查實(shí)驗(yàn)結(jié)果 235 圖4.4.5兩幀輸入頻域融合超分辨算法的應(yīng)用處理結(jié)果(36%顯示) 239 圖5.2.1具有標(biāo)準(zhǔn)位移的低分辨率圖象（Lx=Ly =1）與高分辨率圖象的網(wǎng)格對(duì)應(yīng)關(guān)系示意圖 246 圖5.2.2具有非標(biāo)準(zhǔn)位移的低分辨率圖象存高分辨率圖象中的網(wǎng)格示意圖 247 圖5.2.3由低分辨率序列圖象重構(gòu)高分辨率圖象遞歸迭代網(wǎng)格超分辨算法模塊 251 圖5.2.4網(wǎng)格超分辨算法等兩組處理結(jié)果及其比較 253 圖5.3.1 MAP估計(jì)算法研究實(shí)施方案 254 圖5.3.2 MAP估計(jì)循環(huán)遞歸迭代算法模塊 259 圖5.3.3 MAP估計(jì)算法與雙線(xiàn)性插值法的實(shí)驗(yàn)結(jié)果比較 260 圖5.4.1 PMAP與PML估計(jì)基本算法兩組實(shí)驗(yàn)結(jié)果比較 276 圖5.4.2圖5.4.1中PMAP與PML估計(jì)基本算法迭代圖象的PSNR比較 277 圖5.4.3 GPMAP擴(kuò)展算法與PMAP基本算法超分辨處理結(jié)果比較 278 圖5.4.4 GPMAP擴(kuò)展算法與PMAP基本算法迭代圖象的PSNR比較 279 圖5.4.5兩幀輸入RGPMAP算法魯棒性能驗(yàn)證實(shí)驗(yàn) 279 圖5.4.6四幀輸入RGPMAP算法魯棒性能驗(yàn)證實(shí)驗(yàn) 280 圖5.4.7 RGPMAP估計(jì)算法超分辨仿真實(shí)驗(yàn)結(jié)果(66%顯示) 282 圖5.5.1高分辨率圖象退化及其POCS估計(jì)重建示意圖 289 圖5.5.2 RPOCS估計(jì)魯棒算法流程圖 293 圖5.5.3兩幀輸入RPOCS和POCS估計(jì)算法魯棒性能仿真驗(yàn)證實(shí)驗(yàn)(73%顯示) 295 圖5.5.4四幀輸人RPOCS和POCS估計(jì)算法魯棒性能仿真驗(yàn)證實(shí)驗(yàn)(73%顯示) 295 圖5.5.5 RPOCS估計(jì)魯棒算法超分辨處理實(shí)驗(yàn)結(jié)果(72%顯示) 298 圖5.6.1 PMAP/POCS融合優(yōu)化多級(jí)圖象超分辨算法實(shí)施方案框圖 302 圖5.6.2 RGPMAPRPOCS融合方法示意圖（一）304 圖5.6.3 RPOCSRGPMAP融合方法示意矧（二）304 圖5.6.4六幀原始高分辨率測(cè)試圖象 305 圖5.6.5兩種融合方法六組迭代圖象PSNR均值與迭代次數(shù)Ⅳ的關(guān)系曲線(xiàn) 306 圖5.6.6六組迭代圖象PSNR均值與迭代次數(shù)N的二個(gè)關(guān)系曲線(xiàn)(m=1) 308 圖5.6.7六組迭代圖象PSNR均值與迭代次數(shù)N的三個(gè)關(guān)系曲線(xiàn)(n=1) 309 圖5.6.8 RGPMAP-2-RPOCS融合最優(yōu)算法流程圖 310 圖5.6.9 RGPMAP-2-RPOCS融合最優(yōu)等三種算法效果驗(yàn)證比較實(shí)驗(yàn)結(jié)果312 圖5.6.10八組分辨率等級(jí)測(cè)試序列圖象中的1m分辨率圖象 313 圖5.6.11 3m分辨率等級(jí)測(cè)試圖象對(duì)RGPMAP-2-RPOCS融合最優(yōu)算法考查實(shí)驗(yàn)結(jié)果 315 圖5.6.12 2m分辨率等級(jí)測(cè)試圖象對(duì)RGPMAP-2-RPOCS融合最優(yōu)算法考查實(shí)驗(yàn)結(jié)果 317 圖5.6.13 RGPMAP-2-RPOCS融合最優(yōu)算法對(duì)兩幀輸入圖象的應(yīng)用處理結(jié)果(36%顯示) 320 圖6.1.1 BPNN再生能力的實(shí)驗(yàn)結(jié)果 326 圖6.2.1人工神經(jīng)元模型示意圖 328 圖6.2.2閡值型激勵(lì)函數(shù)示意圖 329 圖6.2.3分段線(xiàn)性激勵(lì)函數(shù)示意圖 330 圖6.2.4 S型激勵(lì)函數(shù)示意圖 330 圖6.2.5前饋層次型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型示意圖 331 圖6.2.6學(xué)習(xí)過(guò)程中權(quán)值調(diào)整示意圖 333 圖6.3.1 BP網(wǎng)基本結(jié)構(gòu)及其學(xué)習(xí)過(guò)程示意圖 334 圖6.3.2隱含層和輸出層激勵(lì)函數(shù)示意圖336 圖6.3.3 BP網(wǎng)學(xué)習(xí)過(guò)程信號(hào)流程示意圖 339 圖6.3.4誤差超曲而在單個(gè)連接權(quán)值坐標(biāo)方向上的切線(xiàn)示意圖 341 圖6.3.5不同學(xué)習(xí)算法訓(xùn)練相同網(wǎng)絡(luò)的效果比較（圖象50%顯示） 351 圖6.3.6擴(kuò)展S型函數(shù)在不同陡峭系數(shù)時(shí)的函數(shù)曲線(xiàn)355 圖6.4.1由一幀HRI生成四幀LRIs的USS操作示意圖358 圖6.4.2網(wǎng)絡(luò)訓(xùn)練映射向量的構(gòu)成示意圖360 圖6.4.3網(wǎng)絡(luò)收斂誤差與訓(xùn)練映射向量數(shù)目的關(guān)系 363 圖6.5.1 BP網(wǎng)單隱層節(jié)點(diǎn)數(shù)日確定流程365 圖6.6.1單級(jí)訓(xùn)練圖象超分辨BP網(wǎng)的結(jié)構(gòu)示意圖368 圖6.6.2單級(jí)訓(xùn)練圖彖超分辨BP網(wǎng)訓(xùn)練過(guò)程 371 圖6.6.3單級(jí)訓(xùn)練圖象超分辨BP網(wǎng)的訓(xùn)練實(shí)驗(yàn)結(jié)果（均61%顯示） 372 圖6.6.4分辨率等級(jí)測(cè)試圖象對(duì)單級(jí)訓(xùn)練圖象超分辨BP網(wǎng)泛化再生能力考查實(shí)驗(yàn)結(jié)果 373 圖6.6.5單級(jí)訓(xùn)練圖象超分辨BP網(wǎng)的泛化應(yīng)用實(shí)驗(yàn)結(jié)果(75%顯示) 375 圖6.7.1由一幀高分辨率遙感參考圖象經(jīng)三次質(zhì)量退化操作的欠采樣圖象方差（aZ）378 圖6.7.2 三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)的結(jié)構(gòu)示意圖 381 圖6.7.3圖象超分辨BP網(wǎng)三級(jí)訓(xùn)練算法及其泛化應(yīng)用框圖 382 圖6.7.4 BP網(wǎng)三級(jí)訓(xùn)練收斂圖383 圖6.7.5圖象超分辨BP網(wǎng)三級(jí)訓(xùn)練及其輸出結(jié)果圖象 384 圖6.7.6三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)對(duì)圖象模式映射泛化應(yīng)用處理結(jié)果386 圖6.7.7 3m分辨率等級(jí)測(cè)試序列圖象對(duì)三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)性能考查實(shí)驗(yàn)結(jié)果388 圖6.7.8 2m分辨率等級(jí)測(cè)試序列圖象對(duì)三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)性能考查實(shí)驗(yàn)結(jié)果 391 圖6.7.9單幀輸入三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)應(yīng)用實(shí)驗(yàn)結(jié)果(54%顯示)393 圖6.7.10雙幀輸入二級(jí)訓(xùn)練圖象超分辨BP網(wǎng)應(yīng)用效果實(shí)驗(yàn)結(jié)果 395 插標(biāo)目錄 表2.1.1頻率混疊深度參數(shù)C11取值范圍與圖象分辨率的關(guān)系47 表2.1.2“資源二號(hào)”遙感圖象頻率混疊分析表48 表2.1.3 1m分辨率遙感圖象頻率混疊分析表50 表2.5.1光學(xué)衍射MTFo1值隨λ、Fn、f的變化69 表2.5.2像差系統(tǒng)MTF02值隨B/d的變化70 表2.5.3 λ=0.60μm時(shí)離焦的MTF04值71 表2.5.4不同ε情況下電荷轉(zhuǎn)移損失的MTFd值72 表2.5.5不同d、Lo情況下光串?dāng)_的MTFd值72 表2.5.6載體振動(dòng)的MTFs隨A/d變化值73 表2.5.7遙感光學(xué)成像系統(tǒng)奈奎斯特頻率處的MTF (fN)值與對(duì)應(yīng)的后值 74 表2.6.1基于FT的圖象頻域配準(zhǔn)算法的高斯低通濾波參數(shù)值與配準(zhǔn)誤差的關(guān)系77 表2.6.2基于FT的圖象頻域配準(zhǔn)算法的模板T與配準(zhǔn)誤差的關(guān)系77 表2.6.3幀間存在旋轉(zhuǎn)時(shí)基于FT的圖象頻域配準(zhǔn)算法濾波參數(shù)б與配準(zhǔn)誤差的關(guān)系79 表2.6.4幀間存在旋轉(zhuǎn)時(shí)基于FT的圖象頻域配準(zhǔn)算法計(jì)算模板T與配準(zhǔn)誤差的關(guān)系79 表2.6.5基于全局運(yùn)動(dòng)模型的圖象配準(zhǔn)算法高斯低通濾波參數(shù)б與配準(zhǔn)誤差的關(guān)系 81 表2.6.6采用高斯濾波器優(yōu)化的圖象頻域配準(zhǔn)算法濾波參數(shù)б與配準(zhǔn)誤差的關(guān)系“ 82 表2.6.7采用高斯濾波器優(yōu)化的圖象頻域配準(zhǔn)算法模板T與配準(zhǔn)誤差的關(guān)系83 表2.6.8采用R低通濾波器優(yōu)化的圖象頻域配準(zhǔn)算法模板T與配準(zhǔn)誤差的關(guān)系 84 表3.2.1基本頻域反卷積算法對(duì)有噪運(yùn)動(dòng)模糊圖象解模糊前后PSNR (dB)比較99 表3.2.2基本頻域反卷積算法對(duì)有噪高斯模糊圖象解模糊前后PSNR(dB)比較101 表3.2.3基本頻域反卷積算法對(duì)有噪散焦模糊圖象解模糊前后PSNR (dB)比較104 表3.2.4空域迭代盲目反卷積算法解無(wú)噪散焦模糊復(fù)原圖象PSNR(dB)與迭代次數(shù)N的關(guān)系117 表3.2.5基于FT的迭代盲曰反卷積算法解無(wú)噪散焦模糊復(fù)原圖象PSNR (dB)與迭代次數(shù)N的關(guān)系118 表3.2.6空域迭代盲目反卷積算法解有噪散焦模糊復(fù)原圖象PSNR(dB)與迭代次數(shù)的關(guān)系120 表3.2.7基于FT的迭代盲目反卷積算法解有噪散焦模糊復(fù)原圖象PSNR (dB)與迭代次數(shù)N的關(guān)系121 表3.2.8兩種有限支持域迭代盲目反卷積算法解有噪散焦模糊復(fù)原圖象PSNR (dB)的比較(N=2)124 表3.2.9圖3.2.20中解模糊復(fù)原圖象對(duì)比度改善因子127 表3.3.1圖3.3.1中去噪處理前后圖象PSNR的改善130 表3.3.2基于PDE的九種擴(kuò)散去噪算法處理高斯噪聲污染圖象的PSNR比較141 表3.3.3基于PDE 的九種擴(kuò)散去噪算法處理泊松噪聲污染圖象（圖3.3.4）的PSNR比較141 表3.3.4改進(jìn)的各向異性擴(kuò)散去噪算法處理噪聲污染圖象（圖3.3.5）的PSNR 144 表4.2.1單幀頻域變換與增強(qiáng)算法單向提高圖象分辨率的處理誤差169 表4.2.2單幀頻域變換與增強(qiáng)算法雙向提高圖象分辨率的處理誤差172 表4.2.3頻域補(bǔ)償與擴(kuò)展等插值法處理變化較緩慢信號(hào)的插值誤差比較（p=55）181 表4.2.4頻域補(bǔ)償與擴(kuò)展等插值法處理變化較劇烈信號(hào)的插值誤差比較(p=2.2）181 表4.2.5式(4.2.17)的系數(shù)A(i)的取值185 表4.2.6分辨率等級(jí)測(cè)試圖象對(duì)單幀圖象頻域變換與補(bǔ)償擴(kuò)展算法的性能考查實(shí)驗(yàn)數(shù)據(jù)186 表4.3.1分辨率等級(jí)測(cè)試圖象對(duì)單幀頻域解混疊超分辨算法的性能考查實(shí)驗(yàn)數(shù)據(jù) 221 表4.4.1兩幀輸入頻域融合超分辨算法仿真驗(yàn)證實(shí)驗(yàn)圖象的PSNR和SNR 231 表4.4.2頻域融合超分辨算法處理3m分辨率等級(jí)測(cè)試圖象的PSNR和SNR 235 表4.4.3頻域融合超分辨算法處理2m分辨率等級(jí)測(cè)試圖象的PSNR和SNR 236 表4.4.4圖4.4.5中兩幀輸入圖象幀間配準(zhǔn)位移參數(shù) 239 表4.4.5圖4.4.5中頻域融合超分辨算法輸出圖象對(duì)比度改善因子Tel 239 表5.2.1圖5.2.4中網(wǎng)格超分辨算法等多種方法處理圖象的PSNR比較 253 表5.3.1圖5.3.3中MAP估計(jì)算法等處理圖象的PSNR比較 261 表5.4.1 PMAP和PML估計(jì)基本算法在圖5.4.1兩組實(shí)驗(yàn)中80次迭代圖象PSNR比較 277 表5.4.2 RGPMAP等算法兩組實(shí)驗(yàn)結(jié)果的PSNR比較 281 表5.4.3 RGPMAP等算法兩組實(shí)驗(yàn)結(jié)果的SNR比較281 表5.4.4圖5.4.7中RGPMAP估計(jì)算法處理圖象的PSNR比較283 表5.5.1 RPOCS和POCS估計(jì)算法兩組處理圖象的PSNR比較 297 表5.5.2 RPOCS和POCS估計(jì)算法兩組處理圖象的SNR比較297 表5.5.3 圖5.5.5中RPOCS估計(jì)魯棒算法處理圖象的PSNR比較-298 表5.6.1 RGPMAP-RPOCS融合方法六組測(cè)試迭代圖象的PSNR 306 表5.6.2 RPOCS-RGPMAP融合方法六組測(cè)試迭代圖象的PSNR 306 表5.6.3 RGPMAP-RPOCS-1 (m=1)融合算法六組測(cè)試迭代圖象的PSNR 308 表5.6.4 RGPMAP-RPOCS-2(m=1)融合算法六組測(cè)試迭代圖象的PSNR 308 表5.6.5 RGPMAP-RPOCS-5 (,m=1)融合算法六組測(cè)試迭代圖象的PSNR 308 表5.6.6 RGPMAP-I-RPOCS(n=1)融合算法六組測(cè)試迭代圖象的PSNR 309 表5.6.7 RGPMAP-2-RPOCS(n=1)融合算法六組測(cè)試迭代圖象的PSNR 309 表5.6.8 RGPMAP-5-RPOCS(n=1)融合算法六組測(cè)試迭代圖象的PSNR 309 表5.6.9 圖5.6.9中三種算法比較實(shí)驗(yàn)輸出圖象的PSNR 313 表5.6.10 RGPMAP-2-RPOCS觸合最優(yōu)算法對(duì)3m分辨率等級(jí)測(cè)試圖象處理效果評(píng)價(jià) 316 表5.6.11 RGPMAP-2-RPOCS融合最優(yōu)算法對(duì)2m分辨率等級(jí)測(cè)試圖象處理效果評(píng)價(jià) 318 表5.6.12 圖5.6.13中兩幀輸入圖象幀間位移參數(shù) 321 表5.6.13 圖5.6.13中RGPMAP-2-RPOCS融合最優(yōu)算法輸出圖象對(duì)比度改善因子 321 表6.3.1不同學(xué)習(xí)算法訓(xùn)練相同網(wǎng)絡(luò)的數(shù)據(jù)統(tǒng)計(jì) 351 表6.3.2低分辨率序列圖象與高分辨率圖象中提取的兩組對(duì)應(yīng)數(shù)據(jù)356 表6.4.1 不同分塊映射方式下單隱層基本BP網(wǎng)訓(xùn)練收斂及其輸出圖象性能隋況 362 表6.6.1 單隱層不同節(jié)點(diǎn)數(shù)目的基本BP網(wǎng)訓(xùn)練收斂及其輸出圖象性能情況 366 表6.7.1 單隱層不同節(jié)點(diǎn)數(shù)日的二級(jí)訓(xùn)練BP網(wǎng)訓(xùn)練收斂及其輸出圖象性能情況 380 表6.7.2三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)處理3m分辨率圖象的PSNR和SNR 389 表6.7.3 三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)處理2m分辨率圖象的PSNR和SNR 391 表6.7.4 單幀輸入三級(jí)訓(xùn)練圖象超分辨BP網(wǎng)應(yīng)用實(shí)驗(yàn)結(jié)果的PSNR和SNR 393 表6.7.5 圖6.7.10中應(yīng)用實(shí)驗(yàn)輸出圖象對(duì)比度改善因子 395 表6.8.1 三級(jí)訓(xùn)練BP網(wǎng)與頻、空域融合算法應(yīng)用實(shí)驗(yàn)輸出圖象對(duì)比度和PSNR改善數(shù)據(jù) 398
《遙感圖象復(fù)原與超分辨理論及實(shí)現(xiàn)》：
成像傳感器的分辨率由其物理性質(zhì)決定，分辨率是反映成像系統(tǒng)分辨物體細(xì)節(jié)的能力，它是成像系統(tǒng)的一個(gè)重要性能和指標(biāo)。這里需要區(qū)分兩種分辨率的概念，即成像分辨率和圖象顯示分辨率。由于成像系統(tǒng)實(shí)際上是把物體抽象為理想的點(diǎn)光源的集合來(lái)考慮，所以在考慮一個(gè)成像系統(tǒng)的分辨率時(shí)，一般只考慮其兩點(diǎn)分辨率，即區(qū)分兩個(gè)等亮度的點(diǎn)光源的能力，用兩個(gè)點(diǎn)光源的最小極限分辨距離作為系統(tǒng)的成像分辨率，即所成圖象的實(shí)際分辨率，對(duì)光學(xué)圖象而言，這種極限分辨距離就定義為實(shí)際點(diǎn)擴(kuò)散函數(shù)（Point Spread Function，PSF）的主瓣寬度。而圖象的顯示分辨率是每英寸視圖內(nèi)有多少像素點(diǎn)，其單位為每英寸像素?cái)?shù)（Pixels PerInch，PPI）；通常，因?yàn)閳D象所含客體大小不變，其像素?cái)?shù)越多，顯示分辨率越高，常用圖象的兩個(gè)正交坐標(biāo)方向上的像素?cái)?shù)，如128x128，表示顯示分辨率，這又被稱(chēng)為圖象顯示模式，簡(jiǎn)稱(chēng)為圖象模式，圖象模式越大，顯示分辨率越高。在一般情況下，圖象模式的提高有助于實(shí)際分辨率的增強(qiáng)，兩者無(wú)固定關(guān)系，需要深入分析。 遙感圖象，特別是高分辨率的遙感圖象，作為準(zhǔn)確、客觀蘊(yùn)涵和表達(dá)目標(biāo)客體及其背景信息的一種載體，其應(yīng)用領(lǐng)域越來(lái)越廣泛，應(yīng)用價(jià)值越來(lái)越高。例如，在城市、機(jī)場(chǎng)等交通樞紐的管制及車(chē)牌識(shí)別、空間飛行體的制導(dǎo)與導(dǎo)航、氣象環(huán)境的監(jiān)視及預(yù)報(bào)、醫(yī)學(xué)CT和NMR（核磁共振）成像診斷、地質(zhì)勘探及其數(shù)據(jù)分析、地震災(zāi)害的探查與評(píng)估等諸多領(lǐng)域（陳鳳，2005），各類(lèi)目標(biāo)識(shí)別與判讀（李寧寧，1995），以及在城市規(guī)劃、土地利用監(jiān)測(cè)、自然災(zāi)害預(yù)報(bào)等民事領(lǐng)域（吳青，2006），都有廣泛的需求和應(yīng)用。目前已經(jīng)形成遙感影像獲取、解譯、地表信息分類(lèi)和提取、三維重建、變化檢測(cè)、動(dòng)態(tài)監(jiān)測(cè)、地圖更新等完整的信息鏈。未來(lái)遙感圖象的應(yīng)用將更加普及，進(jìn)一步推動(dòng)遙感技術(shù)的發(fā)展。但是，實(shí)際應(yīng)用表明，從遙感成像系統(tǒng)獲取的遙感圖象分辨能力往往達(dá)不到實(shí)際應(yīng)用的要求，由于成像器件技術(shù)水平以及外界干擾的影響，所成遙感圖象一般也達(dá)不到設(shè)計(jì)要求。所以，隨著應(yīng)用領(lǐng)域和應(yīng)用深度不斷擴(kuò)展，越來(lái)越迫切要求提高遙感圖象分辨率（魏祥泉，2005）。 對(duì)應(yīng)用電荷耦合器件（Charge Couple Device，CCD）的光學(xué)成像系統(tǒng)來(lái)說(shuō)，提高圖象分辨率的一種直接的方法是使用高密度的CCD，即降低每個(gè)光敏器件的尺寸W。但MIT/Lincoln實(shí)驗(yàn)室在1989年發(fā)表的研究結(jié)果已經(jīng)表明，檢測(cè)器的散粒噪聲和點(diǎn)擴(kuò)散函數(shù)造成的模糊尺寸的影響是不可避免的，W越小，單個(gè)檢測(cè)器收集到的目標(biāo)信息越少，而散粒噪聲和模糊的影響越嚴(yán)重，致使所成圖象模糊越重、信噪比越低，在一定情況下，反而會(huì)顯著降低圖象的質(zhì)量（Billard，1989）。同時(shí)，由于CCD工藝的限制，在很多實(shí)際應(yīng)用情況下，不能通過(guò)降低單個(gè)檢測(cè)器的尺寸即提高CCD密度的方法提高設(shè)備的成像分辨率。 ……
你還可能感興趣
我要評(píng)論
|
