基于冗余字典和稀疏表示的卫星图像超分辨率重建

《基于冗余字典和稀疏表示的卫星图像超分辨率重建》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、文拿京交硕士学位论文基于冗余字典和稀疏表示的卫星图像超分辨率重建SatelliteimageSuper-ResolutionReconstructionbasedRedundantDictionaryandSparseRepresentation作者：许宗敏导师：杨文考北京交通大学2013年3月学位论文版权使用授权书～．．y．．．i'l銎ullIIIliIIIl2Ililll墅I

2、llliill诲llIIIIIIl9IIIIII—J必蝴㈣㈣㈣本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京

3、交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：杈签字日期：№侈年孓月魄日导师签名：签字日期洳侈年弓月罐伯中图分类号：TN911．7UDC：004．9学校代码：10004密级：公开北京交通大学硕士学位论文基于冗余字典与稀疏表示的卫星图像超分辨率重建SatelliteimageSuper-ResolutionReconstr

4、uctionbasedRedundantDictionaryandSparseRepresentation作者姓名：许宗敏导师姓名：杨文考学位类别：工学学科专业：信息网络与安全学号：10120227职称：副教授学位级别：硕士研究方向：计算机网络北京交通大学2013年3月致谢本论文的工作是在我的导师杨文考副教授的悉心指导下完成的。在此我衷心感谢杨老师在学习研究和日常生活中对我的悉心指导与点拨，杨教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响，使我的研究工作和论文能够有条不紊的进行。感谢杨老师给予我的读研机会

5、，使我能够在学业上进行更深入的学习研究。感谢杨老师的学术精神为我树立了良好的学习楷模。所有这些都令我终身难忘。其次我要感谢我的班主任张振江老师，他时时刻刻对我们进行督促与指点。感谢张老师对我们的谆谆教导，使我受益终生。再次我要特别感谢实验室的同窗好友对我论文所提供的支持与帮助，是他们的帮助使我的论文开题和写作能够顺利的进行。感谢中国信息安全测评中心信息资源部的刘晖处长、易锦博士为我提供的良好环境，感谢曹伟处长、陈海强组长等对我在实习工作中的指导与帮助。不仅是他们乐于助人的精神感染了我，更是他们不怕吃苦，乐于奉献的精

6、神指引我前进的道路。感谢与我一起实习的周庆铃和李娟同学不仅在实习工作中对我提供帮助，更是在论文的开题与撰写中为我提供的宝贵意见，并在后期论文遇到困难时给予我精神上的安慰和鼓励。感谢2010级研通信四班所有的兄弟姐妹，在研究生的日子里我们互相鼓励、互相帮助，是一个不可分割的整体。感谢电子信息工程学院计算机网络组的所有老师，他们在研究生生活中给予了我的各个方面的教导，令我终生难忘。感谢在京同学王琳源和张付香在研究生阶段对我的关心与问候，在两年半的研究生生活中给予了我精神上的支持，帮助我顺利完成学业。最后，感谢我的父母以

7、及所有的亲朋好友，感谢他们长期以来对我的无私关怀、帮助与鼓励，他们对我的爱是我前进的动力源泉。最后，衷心感谢在百忙之中评阅本论文的所有专家教授。I￡立交适太堂亟±论塞虫塞撞要中文摘要摘要：相对于低分辨率图像，高分辨率图像不仅能够提供更加精细和详细的目标结构，也为我们深入分析和处理图像提供了依据。然而在实际情况中，由于受硬件设备的限制和噪声的干扰影响，我们通常只能得到低分辨率低质量图像。因此，近年来，在图像处理研究领域，图像超分辨率重建引发学者研究热潮。遥感卫星低分辨率图像指代的是利用遥感卫星针对地球或者其它目标的同

8、一场景，在不同的观测时间和不同的观测角度，使用不同的成像设备获得不同的低分辨率卫星图像。本文的目标就是利用这些低分辨率图像，结合一定的先验知识，重建出高分辨率卫星图像，从而为下一步图像分析提供较为准确的依据。本文在基于稀疏表示和冗余字典的理论知识基础上，围绕着如何提高重建图像的分辨率和处理速度展开研究。在本文中，首先阐述了该课题的研究价值及理论基础，其次建立分析图像退化模型和图像重建模型，并深入探讨了三种经典的图像超分辨重建方法：插值法，重建法和学习法。随后对稀疏表示理论进行了详细研究，阐述了基于稀疏表示的优化算法

9、并进行了仿真实验。最后本文详细论述了冗余字典的构建算法，对稀疏表示优化算法STOMP和K．SVD字典训练算法提出自己的见解并进行优化改进。本文的主要工作包括三个方面：一、对信号的稀疏表示数学模型进行理论分析，并分别用样本图像和卫星图像进行了以稀疏表示为基础的优化算法STOMP的仿真实验，并与双线性插值法、BP和OMP算法进行结果比较，实验结果表明STOMP算