【摘要】：遙感衛(wèi)星是近年來飛速發(fā)展的現(xiàn)代化對地觀測技術(shù),被廣泛應(yīng)用于環(huán)境監(jiān)測、資源勘探、災(zāi)害預(yù)警和軍事等領(lǐng)域。但是在實際場景的遙感衛(wèi)星圖像中,受光學(xué)器件、成像噪聲和運動模糊等因素的影響,遙感衛(wèi)星圖像分辨率有限,難以滿足實際應(yīng)用場景的需求。超分辨率技術(shù)可以克服硬件和技術(shù)工藝的限制,從軟件層面提高衛(wèi)星圖像的空間分辨率。因此超分辨率重建技術(shù)能經(jīng)濟(jì)而有效地提高遙感衛(wèi)星應(yīng)用效率�；趯W(xué)習(xí)的衛(wèi)星圖像超分辨率算法利用高分辨率樣本提供的先驗信息,來預(yù)測低分辨率圖像中缺失的高頻信息,獲得了較好的效果,因此成為衛(wèi)星圖像超分辨率的主流研究方向。深度學(xué)習(xí)提供了一種強大的模擬非線性表達(dá)的超分辨率解決方案,極大提升了圖像超分辨率的主客觀重建質(zhì)量。本文圍繞著圖像重建中高頻信息的恢復(fù)和衛(wèi)星圖像的多尺度特性,對“更深”和“更寬”的卷積神經(jīng)網(wǎng)絡(luò)展開了研究,主要的研究成果如下:1.基于中繼循環(huán)殘差網(wǎng)絡(luò)的衛(wèi)星圖像超分辨率算法,針對低分辨率圖像和高分辨率圖像之間的信息差距增大,傳統(tǒng)的超分辨率算法的重建性能下降這一問題,本文設(shè)計了一種雙層的中繼循環(huán)殘差神經(jīng)網(wǎng)絡(luò),用于增強超分辨率重建圖像的重建效果,重建網(wǎng)絡(luò)負(fù)責(zé)初步圖像重建,中繼網(wǎng)絡(luò)進(jìn)一步提升圖像細(xì)節(jié)。實驗結(jié)果表明,所提出的算法在SpaceNet衛(wèi)星圖像數(shù)據(jù)集上,無論是主觀質(zhì)量還是客觀評分都超過了前沿的算法。2.基于多尺度殘差神經(jīng)網(wǎng)絡(luò)的衛(wèi)星圖像超分辨率算法,針對現(xiàn)有超分辨率網(wǎng)絡(luò)為了獲得精細(xì)的重建細(xì)節(jié)使用較小的感受野,所提出的算法通過大/中/小三個尺度的殘差神經(jīng)網(wǎng)絡(luò),模擬人類“多層次觀察能更全面的認(rèn)識目標(biāo)”的視覺體驗。三個網(wǎng)絡(luò)分別用于預(yù)測全局信息/上下文信息/局部信息不同等級的視覺任務(wù),使用神經(jīng)網(wǎng)絡(luò)來融合不同的高頻信息。此外,本文使用基于超分辨重建的特征匹配驗證了該算法重建的結(jié)果不論是在主觀質(zhì)量、客觀評分還是特征恢復(fù),都優(yōu)于前沿的衛(wèi)星圖像超分辨率算法。
【圖文】：

而衛(wèi)星圖像超分辨率技術(shù)是解決上述問題有效且經(jīng)濟(jì)的方法，結(jié)合已有的先驗信息，將觀察到的低質(zhì)量低分辨率衛(wèi)星圖像重構(gòu)為清晰的高分辨率衛(wèi)星圖像。1.2 國內(nèi)外研究現(xiàn)狀圖像超分辨率技術(shù)是一種圖像空間分辨率的增強技術(shù)，通過模擬降質(zhì)過程的逆過程，將低分辨率圖像（Low-resolution，簡稱 LR）重構(gòu)為高分辨率圖像（High-resolution，簡稱 HR）[3]。圖像降至模型如圖 1-1所示。在理想高分辨率圖像 Y 的成像過程中，會受到光學(xué)衍射效應(yīng)和CCD 模糊等內(nèi)部因素，以及大氣擾動和光學(xué)系統(tǒng)與目標(biāo)之間的相對運動模糊等外部因素的干擾。受器件的影響，CCD 采樣會降低圖像的分辨率，而在將光子轉(zhuǎn)化為電壓的過程中會產(chǎn)生隨機噪聲，最終獲得觀測到的低分辨率圖像 X。

網(wǎng)絡(luò)更應(yīng)該關(guān)注于圖像中的高頻信息（圖像變化豐富的部分），而不是中低頻信息（圖像變化較少的部分）�，F(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法通過構(gòu)建端到端的復(fù)雜非線性映射模型，，但在仿真條件下，低分辨率圖像和高分辨率圖像的相關(guān)性較高。但是在低分辨率圖像和高分辨率圖像信息差距較大情況下，基于卷積神經(jīng)網(wǎng)絡(luò)的算法性能有限。2．衛(wèi)星圖像不同于通用圖像，具有成像范圍廣、圖像中物體的尺度差異較大等特性。然而，圖像中目標(biāo)的尺寸在某些視覺任務(wù)中起著重要的作用，如圖像分割、特征提取和對象追蹤。如圖 1-2 所示，在同一圖像中觀察到車輛、天花板和體育館三種尺度差異較大的目標(biāo)，使用不同分割尺度才能精確的對不同尺度的目標(biāo)進(jìn)行語義分割[25]�？梢娡荒繕�(biāo)在不同的尺度空間表達(dá)形式不同，語義信息也不同。而現(xiàn)有的超分辨率重建算法被實際用于通用圖像或指定場景，沒有效地考慮衛(wèi)星圖像的特殊性，因此不能有效地處理衛(wèi)星圖像。
【學(xué)位授予單位】：武漢工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP751;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫旭;李曉光;李嘉鋒;卓力;;基于深度學(xué)習(xí)的圖像超分辨率復(fù)原研究進(jìn)展[J];自動化學(xué)報;2017年05期

2 曾凱;丁世飛;;圖像超分辨率重建的研究進(jìn)展[J];計算機工程與應(yīng)用;2017年16期

3 沈煥鋒;李平湘;張良培;王毅;;圖像超分辨率重建技術(shù)與方法綜述[J];光學(xué)技術(shù);2009年02期

4 丁海勇;卞正富;;數(shù)字圖像超分辨率重構(gòu)技術(shù)研究[J];計算機與數(shù)字工程;2007年10期

5 孔玲莉,黃華,齊春,劉美娟;圖像超分辨率研究的最新進(jìn)展[J];光學(xué)技術(shù);2004年03期

6 張清勇;陳智勇;駱瀟原;;基于生成網(wǎng)絡(luò)的遙感圖像超分辨率的研究[J];實驗室研究與探索;2019年03期

7 胡長勝;詹曙;吳從中;;基于深度特征學(xué)習(xí)的圖像超分辨率重建[J];自動化學(xué)報;2017年05期

8 鐘雪燕;夏前亮;陳智軍;;基于FPGA的圖像超分辨率的硬件化實現(xiàn)[J];現(xiàn)代電子技術(shù);2017年17期

9 胡傳平;鐘雪霞;梅林;邵杰;王建;何瑩;;基于深度學(xué)習(xí)的圖像超分辨率算法研究[J];鐵道警察學(xué)院學(xué)報;2016年01期

10 王相海;畢曉昀;傅博;陶兢U

本文編號：2687293