基于稀疏表示的光學(xué)遙感影像超分辨率重建算法研究.pdf

1、圖像超分辨率重建是圖像處理、攝影測量與遙感、計算機(jī)視覺等領(lǐng)域的一個經(jīng)久不衰的研究主題。稀疏表示理論起源于視覺神經(jīng)系統(tǒng)的研究，為圖像處理提供了一個嶄新的研究視角，近年來，已成為信號和圖像處理領(lǐng)域的國際前沿和熱點之一，引起學(xué)者的廣泛關(guān)注。
　　論文在國家科技基礎(chǔ)條件平臺“地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺——長江三角洲科學(xué)數(shù)據(jù)共享平臺”的支持下，以稀疏表示理論為指導(dǎo)，開展了其在光學(xué)遙感影像超分辨率重建中的應(yīng)用方法研究，主要圍繞稀疏表示理論中字典

2、學(xué)習(xí)模型和算法、基于稀疏表示的遙感影像超分辨率重建模型和算法方面進(jìn)行了深入研究。論文的主要研究內(nèi)容與結(jié)論包括:
　　(1)深入研究了遙感影像稀疏表示理論基礎(chǔ)。闡述了稀疏表示理論的神經(jīng)生理學(xué)背景，人類視覺系統(tǒng)的視覺特性為圖像稀疏表示提供了直接生理依據(jù)，推動了圖像稀疏表示理論的發(fā)展。分析了遙感影像的稀疏特性及其與超分辨率重建問題的關(guān)系，單幅遙感影像的超分辨率重建問題是典型的反問題，具有“不適定性”，通過引入稀疏先驗約束，使得超分辨率重

3、建問題可以穩(wěn)定、唯一求解。探討了稀疏先驗約束的表達(dá)方法，深入研究了遙感影像的稀疏表示模型。分析了稀疏表示理論中字典的類型，分為基于解析式的字典和基于學(xué)習(xí)的字典。通過解析公式構(gòu)造的字典，不需要矩陣乘法運(yùn)算，具有快速的計算速度，而構(gòu)造的原子較簡單，自適應(yīng)性較差?；趯W(xué)習(xí)的字典，通過機(jī)器學(xué)習(xí)的方法，從訓(xùn)練樣本中學(xué)習(xí)獲得，具有較好的自適應(yīng)性，能對各種特征的圖像進(jìn)行有效表示，但結(jié)構(gòu)性較弱，計算復(fù)雜度較高。
　　(2)深入研究了高、低分辨率字

4、典對的學(xué)習(xí)方法。給出了一種聯(lián)合字典對學(xué)習(xí)模型，通過將高、低分辨率字典進(jìn)行鏈接，實現(xiàn)高、低分辨率字典對的同步學(xué)習(xí)。提出了一種基于MM（Majorization Minimization）方法的聯(lián)合字典對學(xué)習(xí)算法，通過構(gòu)造一個參數(shù)互相解耦的易于優(yōu)化的代理函數(shù)，替代原來的參數(shù)互相耦合難以優(yōu)化的目標(biāo)函數(shù)，保證每一次迭代求解的值在局部范圍內(nèi)最優(yōu)。研究了一種耦合學(xué)習(xí)字典對學(xué)習(xí)方法，通過在高、低分辨率特征塊空間中分別學(xué)習(xí)高、低分辨率字典，保證了字典對

5、具有相同的稀疏表示。在此基礎(chǔ)上，提出了一種耦合稀疏字典對學(xué)習(xí)方法，將耦合思想推廣到稀疏字典學(xué)習(xí)中，一方面保證了高、低分辨率稀疏字典對具有相同的稀疏表示，另一方面，使字典同時具有良好的自適應(yīng)性和緊湊的結(jié)構(gòu)。提出了一種松耦合稀疏字典對學(xué)習(xí)模型，通過在學(xué)習(xí)高、低分辨率稀疏字典的同時，學(xué)習(xí)它們之間的線性關(guān)系，將相同的稀疏表示這一嚴(yán)格要求進(jìn)一步放松，使得高、低分辨率稀疏字典對之間的關(guān)系更加靈活。
　　(3)對單幅光學(xué)遙感影像的超分辨率重建算

6、法進(jìn)行了深入研究。給出了一種基于聯(lián)合字典對的超分辨率重建算法，將學(xué)習(xí)的高、低分辨率字典對作為先驗知識用以指導(dǎo)其他影像的超分辨率重建。實驗驗證了稀疏先驗約束的有效性，算法可為相同區(qū)域相同類型的低分辨率遙感影像的超分辨率重建提供有用的高頻信息。研究了一種基于預(yù)分類聯(lián)合字典對的遙感影像超分辨率重建算法。依據(jù)字典中原子之間的結(jié)構(gòu)特征，通過改進(jìn)的K均值聚類方法將原字典進(jìn)一步分為多個子字典，將影像特征塊的稀疏分解過程限制在一個原子數(shù)更少的學(xué)習(xí)字典子

7、集中。實驗表明該算法在保證重建質(zhì)量的前提下，能提高算法50％左右的計算性能。
　　研究了一種基于耦合學(xué)習(xí)字典對的遙感影像超分辨率重建算法，使字典學(xué)習(xí)和超分辨率重建兩個過程在相同的特征空間中進(jìn)行。實驗驗證了該方法的有效性，與基于聯(lián)合字典對的超分辨率方法相比，兩者重建結(jié)果較接近，差異很小，從側(cè)面驗證了聯(lián)合字典對超分辨率方法中的空間差異性對重建結(jié)果的影響較小。在此基礎(chǔ)上，提出了一種基于耦合稀疏字典對的超分辨率重建算法，保證了稀疏字典學(xué)習(xí)

8、和超分辨率重建兩個過程在相同的特征空間中進(jìn)行，并使字典同時具有良好的自適應(yīng)性和緊湊的結(jié)構(gòu)。實驗驗證了該方法的有效性，與耦合學(xué)習(xí)字典超分辨率算法相比，重建效果更不理想，究其原因可能與基字典的構(gòu)建有關(guān)。
　　提出了一種基于松耦合稀疏字典對的遙感影像超分辨率重建算法，將學(xué)習(xí)的高、低分辨率稀疏字典及它們之間的線性映射關(guān)系一起作為先驗知識，用以指導(dǎo)其他低分辨率遙感影像的超分辨率重建。通過定性分析和定量試驗，與其他超分辨率方法相比，該方法的重