SAR图像相干斑抑制和光学图像序列超分辨率技术研究

【摘要】： 图像质量的优劣对视觉判读以及各种计算机视觉系统都十分重要，因此图像复原一直是图像处理中的一个核心问题。随着各种图像传感器的广泛应用，涌现出了一些新的图像复原问题。在SAR(合成孔径雷达)图像中固有的相干斑现象严重干扰了SAR图像的判读，相干斑抑制成为广泛关注的问题；在光学图像序列处理中分辨率常常是制约应用的瓶颈，图像序列超分辨率问题已经成为研究热点问题。本文围绕这两个图像恢复问题进行了深入研究。 在SAR图像相干斑抑制方面，建立了一种针对相干斑抑制的SAR图像多描述模型，用不同模型描述SAR图像中不同类型区域，涉及到平稳区域模型和非平稳区域模型，非平稳区域模型又细分为强散射中心模型、线状区域模型和弱边缘区域模型等。根据这些模型，建立了层次式的分割算法，将SAR图像分割为若干个可以用单一模型描述的区域；设计了具体的分割算法：基于统计检验的平稳区域分割算法，强散射中心分割算法和线状区域分割算法。在统一的框架下，针对不同的描述模型的特点设计了相应的相干斑抑制方法。针对平稳区域设计了改进的ACMAP算法(基于模拟退火和相关邻域的最大后验估计相干斑抑制算法)，针对非平稳区域将分割得到的宏观结构信息引入到算法中，有效的保护了宏观结构性信息。所提出的线状区域分割算法还可以用于SAR图像的直线提取。将提出这些的算法用于仿真图像和实际SAR图像，取得了满意的相干斑抑制效果。 在光学图像序列超分辨率方面，提出了融合多次估计的图像序列运动估计方法，将图像序列作为一个整体来计算每一帧的运动矢量，克服了以往的运动估计中只利用两帧图像的信息的局限，提高了运动估计的准确性和稳健性；给出了运动估计的置信度度量，并将其引入到图像恢复算法中，进一步克服了运动估计误差的影响。在最大后验概率框架下建立了统一求解超分辨率与模板匹配问题的算法框架，它具有以下特点：在超分辨率中引入了模板库中的先验知识，提高了超分辨率的恢复效果；更充分利用了图像序列中的信息，提高了模板匹配的准确性。所提出的算法用于实际的图像序列，取得了满意的超分辨率效果。

【学位授予单位】：中国人民解放军国防科学技术大学
【学位级别】：博士
【学位授予年份】：2002
【分类号】：TN957.51