欢迎来到天天文库
浏览记录
ID:23615467
大小:859.81 KB
页数:80页
时间:2018-11-09
《基于学习的压缩感知卫星光学图像快速超分辨重建》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号UDC密级公开硕士研究生学位论文基于学习的压缩感知卫星光学图像快速超分辨重建申请人:魏龙云学号:2151305培养单位:电子工程学院学科专业:信号与信息处理研究方向:图像与信息处理指导教师:蒋爱平完成日期:2018年3月28日摘要摘要光学卫星图像是指人造卫星运行的过程中,通过照相机、多光谱扫描仪等设备对地面进行拍摄所获得的图像资料,但是在拍摄的过程中避免不了受到外界因素的影响,会使图像变得模糊不清,因此产生了超分辨率重建技术(SuperResolutionReconstruction,SRR)。该技术可应用于医学图像、视频监控、军事遥感等领域。本文主要对超分辨率重建的
2、研究主要有以下几个方面:(1)本文收集了几十组大小不同的高分辨率彩色图像,在训练字典之前需要先对选取的几十组图像进行预处理,为后续字典训练、图像重建提供了数据源。(2)经典Yang算法是通过字典训练K-SVD和字典学习OMP的方式进行图像重建的,由于K-SVD和OMP在图像重建过程中会产生较多的噪声,并且迭代次数较多的情况下才可以求出最优解,故本文将对K-SVD和OMP算法进行进一步的优化,使得图像更加的清晰。(3)算法优化后由于对边缘重建效果不明显,故本采用优化后的局部方差特征梯度边缘估计算法对边缘进行进一步的重建。结果表明:经过优化后的算法在峰值信噪比与结构相似性有了一
3、定的提高,重建时间变短,重建效果更好。关键词:图像超分辨;压缩感知;字典构建;梯度估计-I-黑龙江大学硕士学位论文AbstractTheopticalsatelliteimagereferstotheimagedataobtainedbyphotographingthegroundthroughcameras,multi-spectralscanners,etc.,duringtheoperationoftheartificialsatellite.However,itcannotbeinfluencedbyexternalfactorsduringtheshootingp
4、rocess,whichcanmaketheimagebecomeAmbiguity,resultinginSuperResolutionReconstruction(SRR).Thetechnologycanbeappliedtomedicalimages,videosurveillance,militaryremotesensingandotherfields.Thisarticlefocusesonthefollowingaspectsofsuper-resolutionreconstructionresearch:(1)Dozensofsetsofhigh-reso
5、lutioncolorimagesofdifferentsizesarecollected.Beforethedictionaryistrained,itisnecessarytopre-processtheselecteddozensofgroupsofimages.whichprovidesadatasourceforsubsequentdictionarytrainingandimagereconstruction.(2)TheclassicalYangalgorithmisusedtoperformimagereconstructionbydictionarytra
6、iningK-SVDanddictionarylearningOMP.BecauseK-SVDandOMPwillproducemorenoiseintheimagereconstructionprocess,andthenumberofiterationsismoreTheoptimalsolutioncanonlybefound.Therefore,thispaperwillfurtheroptimizetheK-SVDandOMPalgorithmssothattheoptimalsolutionconvergesquickly.(3)Sincetheeffectof
7、theedgereconstructionisnotobviousaftertheoptimizationofthealgorithm,thelocaledgevariancegradientedgeestimationalgorithmisusedtofurtherreconstructtheedge.Theresultsshowthattheoptimizedalgorithmhasacertainimprovementinpeaksignal-to-noiseratioandstructuralsimilar
此文档下载收益归作者所有