基于非负结构稀疏表示的光谱图像超分辨率重建

基于非负结构稀疏表示的光谱图像超分辨率重建

ID:34550785

大小:2.41 MB

页数:87页

时间:2019-03-07

基于非负结构稀疏表示的光谱图像超分辨率重建_第1页
基于非负结构稀疏表示的光谱图像超分辨率重建_第2页
基于非负结构稀疏表示的光谱图像超分辨率重建_第3页
基于非负结构稀疏表示的光谱图像超分辨率重建_第4页
基于非负结构稀疏表示的光谱图像超分辨率重建_第5页
资源描述:

《基于非负结构稀疏表示的光谱图像超分辨率重建》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、基于非负结构稀疏表示的光谱图像超分辨率重建作者姓名孟贵宇导师姓名、职称武筱林教授一级学科电子科学与技术二级学科电路与系统申请学位类别工学硕士提交学位论文日期2014年11月学校代码10701学号1202120901分类号TP39密级公开西安电子科技大学硕士学位论文基于非负结构稀疏表示的光谱图像超分辨率重建作者姓名:孟贵宇一级学科:电子科学与技术二级学科:电路与系统学位类别:工学硕士指导教师姓名、职称:武筱林教授提交日期:2014年11月Super-resolutionHyperspectralImageReconstructionviaNon-ne

2、gativeStructuralSparseRepresentationAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicScienceandTechnologyByMengGuiyuSupervisor:Prof.WuXiaolinNovember2014西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取

3、得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切的法律责任。本人签名:日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;

4、学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密,在年解密后适用本授权书。本人签名:导师签名:日期:日期:摘要摘要高光谱图像在诸如异常检测、目标识别和图像分类等很多领域均有非常重要的应用。相对于普通的二维图像,高光谱图像增加了光谱维信息,谱段数增多,谱间分辨率更高。高光谱图像中的每个像素点包含一个连续谱,可以用来精确和详细的描述场景中的物体。然而,由于传感器的限制,直接获得高分辨率的高

5、光谱图像是非常具有挑战性的,当代的高光谱成像技术严重的缺失空间分辨率。为了提高光谱图像的空间分辨率,改进硬件设备的方法仍具有一定难度和限制,因此,人们更倾向于基于软件的方法获得高分辨率的高光谱图像。压缩感知理论是一种新型信号获取理论,确保可以从少量的观测样本中准确的重构出原始信号,从而节省资源及减小对硬件设备的要求。最近,在压缩感知理论的框架下,利用同一个场景的低分辨率高光谱图像和高分辨率的彩色图像联合求解得到高空间分辨率高光谱图像的方法已经显现出不错的效果。在这些方法中,稀疏非负矩阵分解技术(SNNMF)利用了彩色图像和光谱图像的相关性,得到了较

6、好的重构结果。然而,这些方法只考虑了光谱间的相关性,忽略了高光谱图像丰富的空间结构相关性和图像自身光滑性特征。本文对高光谱图像的超分辨率重建算法进行了系统的研究,所取得的主要研究成果为:1.通过对光谱图像的非局部相似性的研究,把高光谱图像的结构稀疏性这一特点作为先验信息与非负矩阵分解技术相结合,提出基于非负结构稀疏表示的高光谱图像超分辨重建算法。结构稀疏表示的利用比起传统稀疏性的范数约束,1更稳定。光谱图像的结构稀疏表示不仅利用高光谱谱间的信息,还挖掘了光谱图像的空间信息,谱线的非局部自相似性,得到更好的重构效果。实验结果表明,该算法较其他方法的重

7、建效果明显提高,尤其是一些细节部分的视觉效果更好。2.通过对光谱图像的光滑性的研究,把高光谱图像的光滑性和稀疏性作为先验信息与非负矩阵分解技术相结合,提出基于非负全变差正则化的高光谱图像超分辨重建算法。TV正则项和稀疏性作为先验知识的加入,使得该算法既利用高光谱图像分解系数的稀疏性,同时各向异性全变差正则项对高光谱图像的光滑性这一先验信息有效的利用,进一步提高了超分辨算法的性能和视觉效果。实验仿真验证了该算法的有效性和可靠性,无论在定量评估和视觉效果都优于其他算法。关键词:高光谱图像重建,非局部相似性,压缩感知,结构稀疏表示,非负矩阵分解论文类型:

8、应用基础研究类I西安电子科技大学硕士学位论文IIABSTRACTABSTRACTHighresolution(HR)hyp

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。