收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

自适应优化稀疏表示的遥感图像压缩重构研究

王莎  
【摘要】:目前,国内外各类光学遥感采样成像系统均基于奈奎斯特—香农采样理论,它指出采样率必须达到信号带宽的两倍以上才能精确地重构信号。随着遥感图像空间分辨率的提高,要求光学系统的焦距更长、口径更大,焦平面器件的采样率更高,像元面积更小,这将大大增加光学系统、焦平面器件的设计和制造难度。而压缩感知理论指出,只要信号是稀疏的或者在某一变换空间是稀疏的、可压缩的,就可以远低于奈奎斯特采样定理所规定的采样量得到信号的压缩表示,并且仍能够精确地重构原始信号。因此,在遥感成像系统中采用压缩感知理论进行图像的压缩采样,可以在采样的同时实现压缩,获取图像迅速,节约工作时间;仅少量采样值即可重构原始高分辨图像,极大地节约焦平面阵列器件,同时节省星上存储空间;而针对不同类型的遥感图像自适应地选择最优稀疏表示方法,可以有效地提高遥感图像重构质量,便于后期的信息提取工作;无论被观测图像类型如何,采用固定的观测方式,均能获得高质量重构图像。 论文首先介绍了课题背景和意义,总结了压缩感知理论框架中的常见图像稀疏表示方法,图像的随机观测手段及其观测矩阵的构造,介绍了压缩感知中常见的优化重构算法,将压缩感知理论在图像复原和图像融合领域提出了自己的创新和改进方法。 论文同时也介绍了几种常用的图像复原的方法,从主观和客观方面讨论了图像质量评价的作用和意义。重点介绍了采用K-SVD方法进行过完备字典训练的方法。对不同类型遥感图像的训练字典对于不同类型图像的稀疏表示性能进行了深入分析。介绍了通过给定的训练字典对随机观测矩阵进行迭代优化的联合优化方法,并且采用该方法进行实验仿真,获得了优化后的观测矩阵。同时,采用优化后的观测矩阵与训练字典对,测试了图像的重构效果。在此基础上,深入分析并总结了重构稀疏度与训练稀疏度倍率关系对于图像重构的影响,并提出了从观测值中随机选取对应于原始图像块的少量观测值序列进行小代价重构从而预估出获得良好重构质量的重构稀疏度的方法,有利于快速且准确地找到最优的重构稀疏度从而获得高重构质量。 论文最后提出了自适应优化稀疏表示的遥感图像压缩重构框架,重点围绕城市、山地和海港这三类遥感图像进行了对应类型图像的字典训练,获得这三类图像的优化稀疏表示字典,并分析对比了采用固定稀疏基DCT的稀疏表示精度。通过遥感图像的压缩感知粗复原初步判别遥感图像类型,采用其对应的优化稀疏表示字典作为稀疏表示方法,再采用精确重构算法对压缩采样值进行精确重构。对重构图像采用主观评价为辅,客观评价中的PSNR和SSIM评价值进行分析。结论表明,采用本文提出的方法在提高遥感图像压缩重构质量上取得了较好的效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘晓山;付国兰;;基于脊波变换的图像压缩[J];电脑与信息技术;2007年02期
2 王晓华;杨新艳;焦李成;;基于多尺度几何分析的复杂网络压缩策略[J];电子与信息学报;2009年04期
3 刘晓山;付国兰;;基于正交有限脊波变换的图像压缩[J];计算机与信息技术;2007年04期
4 刘晓山;付国兰;;基于脊波变换和SPIHT算法相结合的图像压缩[J];江西师范大学学报(自然科学版);2007年06期
5 王华丹;刘海林;;稀疏盲源分离问题的恢复性研究[J];广东工业大学学报;2008年02期
6 杜吉祥;翟传敏;尚丽;;基于ICA系数稀疏表示的年龄自动估计[J];中国图象图形学报;2009年10期
7 徐雪松;李玲娟;郭立玮;;基于稀疏表示的数据流异常数据预测方法[J];计算机应用;2010年11期
8 谈华暠;刘海林;;盲稀疏源信号分离算法的恢复性研究[J];广东工业大学学报;2007年03期
9 王佳毅;张丽清;;基于稀疏约束判别分析的说话人识别算法[J];计算机工程;2010年10期
10 任肖丽;;压缩感知理论研究简述[J];中国科技信息;2010年13期
11 周诺;陈炜;;基于稀疏表示的高分辨距离像自动目标识别(英文)[J];Chinese Journal of Aeronautics;2010年05期
12 崔保良;滕少华;崔振;;基于稀疏表示的协同入侵检测算法[J];计算机工程;2011年16期
13 尹忠科;邵君;Pierre Vandergheynst;;利用FFT实现基于MP的信号稀疏分解[J];电子与信息学报;2006年04期
14 尹明;尹忠科;王建英;;利用蚁群算法实现基于MP的信号稀疏分解[J];计算机工程与应用;2006年36期
15 邓承志;曹汉强;;非相干子字典多原子快速匹配追踪算法[J];信号处理;2009年04期
16 王军华;方勇;;基于Curvelet稀疏表示的图像盲分离初始化[J];应用科学学报;2009年02期
17 肖泉;丁兴号;王守觉;郭东辉;廖英豪;;基于自适应超完备稀疏表示的图像去噪方法[J];仪器仪表学报;2009年09期
18 赵瑞珍;刘晓宇;LI ChingChung;SCLABASSI Robert J;孙民贵;;基于稀疏表示的小波去噪[J];中国科学:信息科学;2010年01期
19 廖海斌;郝宁波;陈庆虎;;基于奇异值与稀疏表示的稳健性人脸识别[J];电视技术;2010年07期
20 易学能;曹汉强;;一种图像稀疏贪婪索引字典的构造方法[J];小型微型计算机系统;2011年06期
中国重要会议论文全文数据库 前9条
1 王潇;尹忠科;王建英;杨郑;;应用基追踪的信号分离的算法[A];2008年中国西部青年通信学术会议论文集[C];2008年
2 吴敏;孙玉宝;汤黎明;韦志辉;肖亮;;EEG信号的稀疏逼近算法研究[A];2008年中华临床医学工程及数字医学大会暨中华医学会医学工程学分会第九次学术年会论文集[C];2008年
3 叶喜勇;陶霖密;王国建;邸慧军;;视角无关的人体躯干动作识别[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
4 孙琳琳;张云;;基于FOCUSS算法的相干斑噪声抑制方法研究[A];全国第二届信号处理与应用学术会议专刊[C];2008年
5 袁立;付伟;穆志纯;;一种自动人耳识别方法研究[A];中国自动化学会控制理论专业委员会A卷[C];2011年
6 顾莹;朱秀昌;;基于CS的图像超分辨率重建[A];2010年通信理论与信号处理学术年会论文集[C];2010年
7 张琼;付怀正;沈民奋;;基于稀疏表示的彩色图像超分辨率重建算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
8 陈权崎;章毓晋;;一种改进的基于样本的稀疏表示图像修复方法[A];第十五届全国图象图形学学术会议论文集[C];2010年
9 高畅;李海峰;马琳;;基于压缩感知理论的语音信号压缩与重构方法[A];第十一届全国人机语音通讯学术会议论文集(一)[C];2011年
中国博士学位论文全文数据库 前10条
1 谢成军;图像稀疏表示模型在可视化追踪中的应用研究[D];合肥工业大学;2014年
2 卢佩;基于类生物视觉特性的目标识别[D];中国科学院研究生院(光电技术研究所);2014年
3 杜小勇;稀疏成份分析及在雷达成像处理中的应用[D];国防科学技术大学;2005年
4 邓承志;图像稀疏表示理论及其应用研究[D];华中科技大学;2008年
5 张楠;低秩鉴别分析与回归分类方法研究[D];南京理工大学;2012年
6 尚丽;稀疏编码算法及其应用研究[D];中国科学技术大学;2006年
7 耿耀君;高通量数据特征选择算法研究[D];西安电子科技大学;2013年
8 王党卫;超宽带雷达目标电磁特征抽取与识别方法研究[D];国防科学技术大学;2006年
9 刘吉英;压缩感知理论及在成像中的应用[D];国防科学技术大学;2010年
10 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 陈天娇;基于分组稀疏和权重稀疏表示的人脸识别研究[D];安徽大学;2014年
2 冯杰;基于稀疏表示的不良图片鉴别算法研究[D];兰州大学;2014年
3 赵晓龙;安防系统中的基于稀疏表示的人脸识别研究[D];西北大学;2014年
4 张君;基于稀疏表示的单实验事件相关电位信号去噪与分类方法研究[D];厦门大学;2014年
5 陈威;基于数据稀疏表示的快速磁共振成像技术研究及应用[D];杭州电子科技大学;2014年
6 马芳兰;基于稀疏表示的目标跟踪算法研究[D];兰州理工大学;2014年
7 汪兰;基于稀疏表示和压缩感知的目标检测与跟踪研究[D];厦门大学;2014年
8 王莎;自适应优化稀疏表示的遥感图像压缩重构研究[D];浙江大学;2014年
9 黄翔;基于单演特征和遮挡字典的稀疏表示人脸识别研究[D];安徽大学;2014年
10 王自桦;基于多字典和稀疏表示的图像去噪方法[D];厦门大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978