基于深度先验和小波变换的遥感图像复原算法

针对各种退化因素导致遥感图像模糊的问题,在混合即插即用(Hybrid Plug-and-Play, H-PNP)模型的基础上,设计了基于深度先验和小波变换的模糊遥感图像复原算法。首先,利用导向滤波对模糊图像进行预处理,再构建结合非局部相似块低秩先验、深度先验和小波变换的模糊遥感图像复原模型,最后利用交替迭代法求解模型,复原出清晰的图像。考虑到惩罚因子对图像复原的影响,在深度去噪器中引入相对残差自适应原则更新惩罚因子。实验结果表明,上述算法对于叠加模糊和噪声的退化图像具有良好效果,选取GSR算法、NSCR算法和H-PNP算法进行对比实验,在主观视觉效果、峰值信噪比、特征相似性和结构相似性方面均优于对比算法。     

遥感图像复原网格处理*

在遥感图像应用中,为了满足海量数据快速处理和图像清晰化的需求, 设计了遥感图像复原网格平台的处理流程和框架,使用有约束去卷积算法对图像进行复原,采用块处理和Neumann边界条件解决了网格复原中的海量数据快速处理和边界效应等问题,并基于中间件技术开发了应用软件。实验结果表明,开发的遥感图像复原网格处理平台能极大地提高海量数据的处理效率并得到满意的复原结果。     

频域滤波技术在图像复原中的应用研究

对不同的频域滤波图像复原技术的图像复原效果进行研究,对现有Lucy_Richardson频域滤波图像复原算法存在的问题进行改进,提出图像降噪和图像复原迭代交替进行的图像复原方法。分别对LR算法和改进后PLR算进行仿真实验,通过实验证明改进后的PLR算法不仅提高了图像复原运算的速度,而且提高了图像恢复的质量。同时还结合PSNR图像质量客观评价法和HVS对比度评价法对复原图像质量进行客观评价,两种方法结合使用克服了传统上采用PSNR评价方法造成评价结果和人眼观察结果不一致的缺陷。评价结果均表明改进后的PLR算法在迭代次数相同的条件下图像恢复质量均优于LR算法,并且可以消除复原图像产生振铃现象的发生。     

人造光照下的单幅雾天图像复原

当前基于单幅雾天图像复原算法的研究都是在光照充足的情形下（白天）,这种情形下的光照主要来自天空光。然而,对于在光照主要来自人造光（夜间）的雾天图像复原算法的研究屈指可数。因此提出了新的基于人造光照下的雾天成像模型,并同时考虑了不均匀的环境光和对图像的光照补偿。检测出光源位置,根据光源的发光特性求出环境光和光照补偿系数,利用提出的新模型求出清晰的图像,使用基于边缘颜色恒常性（EBCC）来对颜色进行校正。实验结果表明,该算法优于其他算法。     

基于深度变化成像模型的图像估计

该文提出了一种基于EM算法的最大似然图像复原算法,此算法是基于三维显微光学切片中成像随深度变化的模型实现的。实际成像中,由于样本中物质是变化的,故样本不同位置的折射率不一样,并且会导致其点扩展函数也不同。虽然大多数显微镜具有像差补偿功能,但由于样本的折射率和物镜的折射率不匹配,导致不同深度其点扩展函数也不一样。该文对二维图像和三维图像序列进行实验,结果表明通过此算法能够补偿由于深度变化所带来的模糊,从而将模糊图像复原。     

基于稀疏正则优化的图像复原算法

为提高图像复原的速度,改进图像复原的质量,提出一种新算法。将图像复原表示为一类标准的优化问题,采用交替最小化把该优化问题分解为等价的两个子问题。通过迭代求解这两个子问题,获得图像复原问题的解。在此迭代过程中,引入迭代软阈值法处理图像降噪子问题。实验对不同类型的模糊图像进行了复原,其结果验证了算法的有效性。与多级阈值Landweber(MLTL)算法和快速收缩阈值算法(FISTA)相比,处理相同图像时,所提算法可分别节省28%和71%的时间,同时复原图像的信噪比(SNR)可提高0.7~3.5dB。     

改进的二值图像复原方法研究

为了解决传统基于GBB方法的正则化二值图像复原算法放大背景噪声的问题,提出了一种基于GBB方法的改进的正则化二值图像复原算法。根据提出的算法进行实验,定性的对两种算法的图像复原结果进行了比较。同时,利用ISNR选取最佳参数,且在不同程度噪声的影响下定量的评价了两种复原方法的结果。实验结果表明,该方法对于模糊二值图像的复原效果有显著提升,有效降低了噪声对图像复原的影响。     

基于小波分析和多项式细分定位的超分辨率图像重建算法

图像超分辨率重建是图像增强和图像复原研究中的一项重要课题,广泛应用于高清晰电视、医学成像和遥感成像等领域。在小波分析边缘检测的基础上,通过多项式细分算法定位亚像素边缘,将图像分为平滑区域、边缘区域和微细边缘区域。根据不同的区域特性,采用不同的插值方式进行超分辨率图像重建。仿真结果显示所提算法重建的高分辨率图像边界部分清晰自然,其主观判断和客观评价结果明显好于传统重建算法,从而验证了本算法的可行性和有效性。     

资源三号卫星在轨MTF测量与图像复原

随着高分辨率遥感卫星发射数量的增多,高分辨率遥感图像数据应用需求也日益增强,而遥感数据的质量直接影响到其数据应用的可靠性和精确性。为此,对高分辨率遥感图像数据进行图像复原是非常有必要的。针对资源三号卫星电荷耦合装置相机遥感图像高空间分辨率的特点,分析在仅有图像信息的情况下系统调制传递函数（MTF）的在轨测量方法,验证双边缘法的可行性。探讨双边缘线状地物选取方法,同时推导证明二维MTF矩阵的构建方法,并借助二维MTF矩阵对原图像进行修正反转滤波实现图像复原。试验结果表明,复原后的图像质量明显提高。     

结合自适应倒易晶胞和HMT模型的斜采样遥感图像复原方法

传统的图像复原方法往往只考虑遥感图像获取过程中模糊和噪声对图像质量的影响,而忽略了图像混迭的影响.针对斜模采样系统调制传递函数各向异性的特点,通过自适应倒易晶胞确定图像中混迭和噪声较小的频谱覆盖范围;从图像复原的贝叶斯方法出发,以小波域隐马尔科夫树模型作为图像的先验模型,提出一种结合自适应倒易晶胞和隐马尔科夫模型的斜采样遥感图像复原方法.实验结果表明,该方法可有效地提高图像分辨率,较常用的图像复原方法复原效果更好.     

基于Henon映射的加密遥感图像的安全检索方案

遥感图像具有多时相、多语义、多波段等特点,鉴于遥感图像在商业行业及国防军事中的重要性,海量遥感图像密文检索的效率和精度,直接影响了遥感大数据使用的广泛性和实时性.对密文存储的遥感大数据的安全检索是其可用性最重要的标志之一.本文提出了一种基于Henon 映射的遥感图像可搜索加密方案,根据遥感图像的成像原理及多波段特征,采用改进的Henon 映射对每个波段的灰度值进行加密处理;并根据遥感图像的“大数据”特征,通过统计灰度值的区间信息来构造遥感图像的特征向量,并根据相似度匹配算法来检索目标图像.通过对Landsat 8遥感图像进行加密与检索实验,该方案有效地提高了检索密文遥感图像的安全性及准确性,且计算复杂度低、通信成本开销小.     

结合纹理去除的遥感图像分割

针对包含复杂纹理信息的遥感图像难以进行精准图像分割的问题,提出了一种结合纹理去除的遥感图像分割方法。首先,改进了相对全变差纹理去除方法,通过引入新的范数约束使相对全变差纹理去除方法可以在去除纹理信息的同时凸显图像中的主要结构,达到辅助分割的效果;然后,使用均值漂移算法对经过纹理去除的遥感图像进行无监督聚类,达到分割的目的;最后,提出的遥感图像分割算法在不同遥感图像上进行了测试。实验结果表明,在高分辨遥感图像的分割上,所提算法可以分割出遥感图像中的主要目标,和直接分割或者结合其他纹理去除方法相比取得了更好的分割结果。所提出的分割算法可以降低纹理信息对图像分割的影响,提高遥感图像分割的精度。     

基于双搜索蜂群算法的四元数彩色遥感图像边缘检测

随着遥感图像大数据的出现,常见的彩色遥感图像边缘检测方法运算量大、速度慢、效果差等缺点越来越明显。以四元数表示彩色像素为基础,改进人工蜂群算法的单一搜索方程,加大雇主蜂搜索范围,加入跟随蜂莱维飞行因子,提出了基于双搜索方程的人工蜂群算法。实验结果表明,该算法具有计算量小、去噪能力强、边缘检测效果好等优点。该算法能有效地应用于从遥感图像中获取识别目标。     

一种改进的叠代方法图像恢复技术

算术迭代方法和其他几种图像恢复方法比较起来,更适合遥感图像的应用.本文对于几种比较典型的空域迭代的图像恢复方法进行了比较,给出了评价的准则,并在此基础上,提出了改进的恢复方法,具有收敛性好,恢复图像质量高等特点.     

一种改进的Landweber迭代图像复原算法

为解决传统的Landweber迭代法收敛速度慢,且对噪声敏感的问题,本文针对几种常见的模糊,即大气湍流模糊以及运动模糊,分别研究讨论了图像模糊的产生机理,并提出了一种改进的Landweber迭代图像复原方法.通过将图像的信号域与噪声域分离,改进的方法只在信号域上进行迭代加速,抑制了噪声的扩大.实验对比结果表明本文提出的方法在加速收敛的同时仍可以提高图像复原的精度,并以遥感图像和高速铁路图像为例,进一步验证了该方法的实际应用效果.     

Bregman交替迭代遥感图像复原方法

针对多种退化因素的遥感图像复原问题,提出一种基于Bregman迭代的遥感图像消除不规则采样、去模糊和去噪总变差复原方法。在此基础上,结合非局部正则化方法,提出一种自适应计算非局部均值滤波器参数的方法。求解时使用交替最小化方法将复杂的复原问题分割为两个容易求解的子问题。实验结果表明,本文方法比其他基于Bregman迭代的方法收敛速度快、复原效果好,且加入非局部正则化后具有更好的纹理细节信息保持能力。     

AGA-BP模型在遥感影像分类中的应用研究

作为遥感研究的关键技术,遥感影像分类一直是遥感研究热点;针对目前采用BP神经网络模型进行遥感影像分类时存在的对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题,为了提高BP模型遥感影像分类精度,将自适应遗传算法引入到BP网络模型参数选择中;首先运用自适应遗传算法对BP模型权阈值参数进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于自适应遗传算法的BP网络分类模型,并将其应用到遥感影像数据分类研究中;仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力，提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法，该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性，对遥感图像像素进行聚类后划分为不同的组，然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后，对空间相似的块进行平均处理，实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪，峰值信噪比相比band-wise K-SVD算法提高了7.6%左右，同时具有更好的视觉效果。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力,提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法,该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性,对遥感图像像素进行聚类后划分为不同的组,然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后,对空间相似的块进行平均处理,实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪,峰值信噪比相比band-wise K-SVD算法提高了7.6%左右,同时具有更好的视觉效果。