|
关于我们
 书单推荐 新书推荐 |
遥感图象复原与超分辨理论及实现 
定 价：186 元
9 7 4 8 8 7 9 0 3 3 6 0 4 读者对象:本书适用于信号与信息处理、电子与通信工程、计算机科学与应用等专业师生或科学研究人员 
本文是十多年关于遥感图象复原与超分辨研究成果的结晶与理论升华，其中包括绪论、先验信息提取、图象复原和图象超分辨，而图象超分辨又包括频域图象超分辨、空域图象超分辨和神经网络图象超分辨等三个部分。高分辨率的遥感图象，作为蕴涵和表达目标客体及其背景信息的载体，其应用领域越来越广泛，应用价值越来越高。图象复原与超分辨作为成像过程的反过程，所涉及的数理问题属于"反问题"，"反问题"的一个重要属性是它的"病态"，因此高分辨率图象的求解很困难。图象复原操作主要是解模糊、抑制噪声污染和消除薄云薄雾干扰等，而图象超分辨要解决的核心问题是解开被处理低分辨率图象的频率混叠、扩展和增强高频成分、展宽频谱、改善频谱结构，使其恢复和逼近原理想物图象的频谱。
更多科学出版社服务，请扫码获取。 
目录
前言 缩写词 插图目录 插表目录 第1章 绪论1 1.1引言1 1.2成像模型6 1.2.1遥感图象的成像过程及其影响因素6 1.2.2成像模型及其分析9 1.3遥感图象质量恢复的技术途径及其理论依据11 1.3.1图象质量恢复途径及问题1 1 1.3.2图象质量恢复的理论依据13 1.4图象复原引论15 1.5图象超分辨浅论18 1.5.1图象内插技术21 1.5.2基于局部谱变换特征的凸显技术25 1.5.3基于多核基集合的高分辨图象重建技术27 1.6系统方案 31 1.6.1系统方案的设计和原理框图31 1.6.2工作原理33 1.7小结和评述34 第2章 遥感图象的先验信息提取36 2.1图象概率先验模型及其变换分析36 2.1.1图象概率先验模型36 2.1.2图象变换分析39 2.1.3频谱分析及频率混叠深度参数的定义与提取44 2.2图象模糊及其模糊函数的先验模型 51 2.2.1图象模糊及其模糊参数分析 51 2.2.2模糊函数的先验模型55 2.3图象噪声及其分析59 2.3.1噪声米源及其先验分析59 2.3.2噪声分析 61 2.4图象云雾分析及其图象模型65 2.5成像调制传递函数及其影响因素分析 66 2.5.1调制传递函数的基本概念和物理意义 66 2.5.2调制传递函数的数学模型及其实验数据68 2.6图象配准技术及其帧间变换参数的提取74 2.6.1图象配准技术研究总体方案74 2.6.2基于FT的图象频域配准及其优化算法75 2.6.3基于光（学）流的鲁棒性高精度图象配准算法方案85 2.6.4基于不变特征的高精度图象配准算法方案86 2.7小结与评述87 第3章 遥感图象复原处理技术研究89 3.1引言89 3.2图象模糊复原技术及其解模糊算法90 3.2.1图象解模糊实施方案90 3.2.2图象基本频域解模糊算法 91 3.2.3有限支持域上图象盲目反卷积解模糊算法104 3.3图象噪声抑制技术及其去噪算法128 3.3.1引言128 3.3.2基于多帧融合的频域法图象去噪技术129 3.3.3基于PDE的扩散图象去噪技术131 3.3.4剔除遥感图象条带噪声的陷波带阻滤波器146 3.3.5改进的中值滤波器消除颗粒噪声算法151 3.4图象薄云薄雾的抑制技术151 3.4.1基于同态滤波的薄云薄雾抑制技术152 3.4.2基于小波多分辨分析的薄云薄雾抑制技术156 3.4.3两种抑制薄云薄雾方法的比较160 3.5小结与评述161 第4章 频域图象超分辨处理技术研究163 4.1引言163 4.2单帧频域变换与补偿扩展超分辨处理技术研究164 4.2.1FFT算法的改进和频域变换增强技术的形成165 4.2.2单帧频域变换与增强技术方案及其精度分析167 4.2.3使用条件与理论极限174 4.2.4振铃的抑制和帧内频域补偿与扩展滤波器的设计175 4.2.5单帧频域变换与补偿扩展超分辨自适应算法1 85 4.2.6实验结果及其分析1 86 4.3图象频域解混叠超分辨处理技术研究 202 4.3.1研究实施方案 202 4.3.2多帧（源）频域解混叠的理论分析 203 4.3.3单帧频域解混叠算法 210 4.3.4实验结果及其分析 212 4.4二至多帧频域融合超分辨算法研究 225 4.4.1引言 225 4.4.2频域融合超分辨算法的建立 225 4.4.3实验结果及其分析 229 4.5小结与评述 240 第5章空域图象超分辨处理技术研究 242 5.1引言 242 5.2网格超分辨估计算法及其模块研究 244 5.2.1低分辨率序列图象与高分辨率图象之间的空间关系 245 5.2.2标准位移低分辨率图象的求解 247 5.2.3空域递归迭代网格算法模型的建立 249 5.2.4空域递归迭代网格算法模块 250 5.2.5实验结果及其分析 252 5.3 MAP估计算法及其算法模块研究 253 5.3.1研究实施方案 253 5.3.2图象的概率模型与估计 254 5.3.3代价函数及其最小化估计 256 5.3.4梯度下降的优化 257 5.3.5循环递归迭代算法模块 259 5.3.6实验结果及其分析 259 5.4 PMAP估计基本算法模型及其改进算法研究 261 5.4.1引言 261 5.4.2 PMAP/PML估计基本算法模型 262 5.4.3改进的PMAP估计算法 269 5.4.4实验结果及其分析 274 5.5 POCS估计算法模型及其计算流程研究 283 5.5.1引言 283 5.5.2 POCS估计算法的基础理论 284 5.5.3 POCS估计基本算法和RPOCS估计鲁棒算法 287 5.5.4实验结果及其分析 294 5.6 PMAP/POCS融合最优算法的建立及其实验研究 298 5.6.1引言 298 5.6.2 PMAP/POCS融合的理论基础 299 5.6.3 PMAP/POCS融合最优算法的建立302 5.6.4实验结果及其分析 310 5.7小结与评述 321 第6章 神经网络图象超分辨技术研究 324 6.1引言 324 6.2神经网络技术基础 327 6.2.1神经元及其激励函数 327 6.2.2人工神经网络模型及其学习方法 331 6.3 BP网模型及其学习算法334 6.3.1 BP网学习过程分析及其数学模型 334 6.3.2 BP网基本学习算法及其局限性 337 6.3.3比例共轭梯度学习算法 342 6.3.4 BP网学列算法实现的保障及优化352 6.4网络训练样本图象的采集及其映射向量的获取357 6.4.1网络训练样本图象的采集357 6.4.2网络训练映射向量的构造方法359 6.4.3网络训练映射向量的数量和质量 362 6.5 BP网结构的确定方法 363 6.6单级训练图象超分辨BP网的建立和实验研究 366 6.6.1结构的确定 366 6.6.2网络参数的选择 368 6.6.3图象超分辨BP网单级训练实验结果 370 6.6.4单级训练图象超分辨BP网泛化应用实验结果与分析 372 6.7三级训练图象超分辨BP网的建立和实验研究 375 6.7.1引言 375 6.7.2三级训练样本图象的获取筛选及其映射向量的构成 376 6.7.3三级训练图象超分辨BP网结构设计及其参数的选择 379 6.7.4图象超分辨BP网三级训练算法及其训练实验结果 382 6.7.5三级训练图象超分辨BP网泛化应用实验结果与分析 384 6.8小结与评述 396 后记 399 参考文献 400 彩图 插图目录 图1.2.1遥感图象成像过程示意图7 图1.2.2遥感图象成像模型9 图1.5.1几种常见的插值核函数示意图23 图1.5.2 FIR插值法频谱示意图(P=3) 24 图1.5.3图象频谱的二维振幅谱示意图25 图1.5.4高频补偿滤波器的幅频响应示意图26 图1.5.5基于多核基集合的训练过程框图28 图1.5.6基于多核基集合的高分辨图象重构过程原理框图28 图1.5.7邻域抽取示意图29 图1.5.8五角大楼的基集合插值效果图31 图1.6.1遥感图象复原与超分辨率处理技术系统方案简图32 图1.6.2遥感图象复原与超分辨率处理技术系统方案原理框图32 图2.1.1图象频谱移位示意图41 图2.1.2下采样图象的一维频谱高频部分及其频率混叠分析图46 图2.1.3“资源二号”遥感图象的一维频谱高频部分分析图48 图2.1.4 1m分辨率遥感图象的一维频谱高频部分分析图49 图2.2.1图象模糊退化实验及其频谱分析54 图2.3.1图象噪声污染实验及其频谱变化63 图2.4.1薄云薄雾成像模型示意图65 图2.5.1 MFT （f）的一般形式示意图68 图2.5.2线阵CCD光敏器件示意图70 图2.6.1基于FT的多帧序列图象配准技术总体方案框图75 图2.6.2用于图象配准仿真实验的原始图象76 图2.6.3帧间不存在旋转时基于FT的图象频域配准算法仿真技术方案框图77 图2.6.4帧间存在旋转时基于FT的图象频域配准算法仿真技术方案框图78 图2.6.5基于全局运动模型的图象配准算法仿真方案简图81 图2.6.6采用高斯低通滤波器优化的图象频域配准算法仿真方案框图 82 图2.6.7采用R低通滤波器优化的图象频域配准算法仿真方案框图83 图2.6.8基于光流的鲁棒性高精度图象配准算法仿真方案85 图2.6.9基于不变特征的高精度图象配准算法方案框图86 图3.2.1遥感图象模糊分析及解模糊复原技术实施方案框图91 图3.2.2图象基本频域解模糊复原仿真实验方案框图94 图3.2.3高斯模糊（б2=0.8，5x5不附加噪声）图象基本频域反卷积解模糊算法仿真实验结果(55%显示)95 图3.2.4线性运动（θ=12。，5像素）模糊噪声图象基本频域反卷积解模糊仿真实验结果(55%显示)97 图3.2.5线性运动模糊（？=30。，5像素）噪声图象基本频域反卷积解模糊算法仿真实验结果（67%显示）98 图3.2.6有噪高斯模糊（б2= 0.8，5x5）图象基本频域反卷秋解模糊算法仿真实验结果(一)（55%显示）~100 图3.2.7有噪高斯模糊（б2 =0.8，5x5）图象基本频域反卷秋解模糊算法仿真实验结果（二）（67%显示）101 图3.2.8有噪(N(0，10))散焦模糊(5X5矩形)图象基本频域反卷积解模糊算法仿真实验结果（一）(55%显示)102 图3.2.9有噪(N(0，10))散焦模糊(5X5矩形)图象基本频域反卷积解模糊算法仿真实验结果(二)（133%显示）103 图3.2.10空域迭代盲目反卷积模糊图象复原算法框图111 图3.2.11基于FT的迭代盲目反卷积模糊图象复原算法框图114 图3.2.12有限支持域迭代盲目反卷积模糊图象复原仿真实验方案115 图3.2.13空域迭代盲目反卷秋算法对无噪散焦模糊图象复原仿真实验结果（N为迭代次数）116 图3.2.14基于FT的迭代盲目反卷积算法对无噪散焦模糊图象复原实验结果（N为迭代次数）117 图3.2.15两种盲目反卷积算法解散焦模糊（不附加噪声）复原图象的PSNR与迭代次数N的关系118 图3.2.16空域迭代盲目反卷积算法对有噪散焦模糊图象复原仿真实验结果（N为迭代次数）(48%显示)119 图3.2.17基于FT的迭代盲目反卷积算法对有噪散焦模糊图象复原仿真实验结果（N为迭代次数）(48%显示)120 图3.2.18两种盲目反卷积算法解散焦模糊（有噪）复原图象的PSNR增量与迭代次数N的关系121 图3.2.19有限支持域迭代(N=2)盲目反卷积算法解散焦模糊（有噪）复原图象仿真实验结果(70%显示)124 图3.2.20基于FT的迭代(N=2)盲目反卷积算法对真实暹感图象解模糊复原实验结果(70%显示)127 图3.3.1基于多帧融合的频域循环递归迭代去噪算法仿真实验结果(66%显示)1 30 图3.3.2基于PDE的九种扩散去噪算法仿真实验方案138 图3.3.3基于PDE的扩散去噪算法处理高斯噪声图象的一组仿真实验结果(51%显示)139 图3.3.4基于PDE的扩散去噪算法处理泊松噪声图象的一组仿真实验结果(51%显示)140 图3.3.5改进的各向异性扩散去噪方法仿真实验结果143 图3.3.6改进的各向异性扩散去噪算法对真实遥感图象的实验结果(72%显示)146 图3.3.7含条带噪声的CBERS-2三波段图象及其频谱分析图(39%显示)147 图3.3.8三种常见的陷波带阻滤波器示意图148 图3.3.9陷波带阻滤波器（图象中心部位为低频部分）示意图148 图3.3.10陷波带阻滤波器设计示意图149 图3.3.11陷波带阻滤波器及其处理前后的图象(39%显示)150 图3.4.1基于同态滤波的图象薄云薄雾抑制技术实施方案框图154 图3.4.2基于同态滤波的图象薄云薄雾抑制技术典型实验结果(44%显示)154 图3.4.3基于同态滤波的图象薄云薄雾抑制技术实验结果(66%显示)155 图3.4.4基于小波多分辨分析的图象薄云簿雾抑制技术实施方案l58 图3.4.5基于小波多分辨分析的图象薄云薄雾抑制应用实验结果(64%显示)159 图3.4.6基于小波多分辨分析的图象薄云薄雾抑制仿真实验结果(72%显示)160 图4.2.1 FFT插值(P=2)算法示意图165 图4.2.2单帧图象频域变换与增强算法处理靶标图象提高分辨率效果比较(51%显示)167 图4.2.3单帧图象频域变换与增强算法对1m分辨率遥感图象的处理结果(70%显示)167 图4.2.4单帧频域变换与增强算法仿真技术方案168 图4.2.5单帧频域变换与增强算法单向提高图象分辨率的实验结果170 图4.2.6单帧频域变换与增强算法双向提高图象分辨率的实验结果172 图4.2.7单帧频域变换与增强技术应用方案172 图4.2.8单帧频域变换与增强算法处理前后的图象(72%显示)l74 图4.2.9遥感图象的二维频谱和一维频谱分析175 图4.2.10图象超分辨中抑制振铃技术实施方案框图176 图4.2.11一维信号FFT插值法频域变换示意图176 图4.2.12复杂程度不同的图象及其频谱分析图177 图4.2.13单帧频域补偿与扩展滤波器一维基础函数响应和p指数变化的关系179 图4.2.14维频率补偿与扩展滤波器操作原理（混叠的校正和补偿）示意图(A=2)180 图4.2.15单帧频域补偿与扩展滤波器和其他几种插值方法的性能实验效果比较181 图4.2.16图象振幅谱方差DF与指数p的关系184 图4.2.17单帧频域变换与补偿扩展超分辨自适应算法模块185 图4.2.18分辨率等级测试图象对单帧频域变换与补偿扩展算法的性能考查实验结果191 图4.2.19单帧频域变换与补偿扩展算法对“资源二号”遥感图象的应用处理结果(72%显示)193 图4.2.20单帧频域变换与补偿扩展算法对多类不同分辨率卫星遥感图象的应用处理结果198 图4.2.21单帧频域变换与补偿扩展算法对“资源号”图象执行显示模式放大4×4倍处理效果(53%显示) 200 图4.2.22单帧频域变换与补偿扩展算法对国际卫星图象执行显示模式放大4×4倍处理效果 201 图4.3.1图象频域解混叠超分辨技术实施方案 202 图4.3.2常见的几种采样函数 211 图4.3.3单帧频域解混叠重复递归迭代算法模块 212 图4.3.4多帧频域解混叠基本算法对16帧欠采样序列图象的仿真验证实验结果(66%显示) 213 图4.3.5多帧频域解混叠基本算法对16帧欠采样噪声序列图象的仿真验证实验结果(66%显示) 214 图4.3.6多帧频域解混叠基本算法对16帧欠采样模糊序列图象的仿真验证实验结果(66%显示) 215 图4.3.7分辨率等级测试图象对单帧频域解混叠算法的性能考查实验结果 221 图4.3.8单帧频域解混叠算法对“资源二号”遥感图象的应用处理结果(72%显示) 224 图4.3.9单帧频域解混叠算法对国际上某卫星图象的应用处理结果 224 图4.4.1图象频域融合超分辨算法框图（图象模式放大2x2倍） 228 图4.4.2两帧输入频域融合超分辨算法的仿真验证实验结果(73%显示) 231 图4.4.3 3m分辨率1knos等级测试图象对频域融合超分辨算法的性能考查实验结果 233 图4.4.4 2m分辨率1knos等级测试图象对频域融合超分辨算法的性能考查实验结果 235 图4.4.5两帧输入频域融合超分辨算法的应用处理结果(36%显示) 239 图5.2.1具有标准位移的低分辨率图象（Lx=Ly =1）与高分辨率图象的网格对应关系示意图 246 图5.2.2具有非标准位移的低分辨率图象存高分辨率图象中的网格示意图 247 图5.2.3由低分辨率序列图象重构高分辨率图象递归迭代网格超分辨算法模块 251 图5.2.4网格超分辨算法等两组处理结果及其比较 253 图5.3.1 MAP估计算法研究实施方案 254 图5.3.2 MAP估计循环递归迭代算法模块 259 图5.3.3 MAP估计算法与双线性插值法的实验结果比较 260 图5.4.1 PMAP与PML估计基本算法两组实验结果比较 276 图5.4.2图5.4.1中PMAP与PML估计基本算法迭代图象的PSNR比较 277 图5.4.3 GPMAP扩展算法与PMAP基本算法超分辨处理结果比较 278 图5.4.4 GPMAP扩展算法与PMAP基本算法迭代图象的PSNR比较 279 图5.4.5两帧输入RGPMAP算法鲁棒性能验证实验 279 图5.4.6四帧输入RGPMAP算法鲁棒性能验证实验 280 图5.4.7 RGPMAP估计算法超分辨仿真实验结果(66%显示) 282 图5.5.1高分辨率图象退化及其POCS估计重建示意图 289 图5.5.2 RPOCS估计鲁棒算法流程图 293 图5.5.3两帧输入RPOCS和POCS估计算法鲁棒性能仿真验证实验(73%显示) 295 图5.5.4四帧输人RPOCS和POCS估计算法鲁棒性能仿真验证实验(73%显示) 295 图5.5.5 RPOCS估计鲁棒算法超分辨处理实验结果(72%显示) 298 图5.6.1 PMAP/POCS融合优化多级图象超分辨算法实施方案框图 302 图5.6.2 RGPMAPRPOCS融合方法示意图（一）304 图5.6.3 RPOCSRGPMAP融合方法示意矧（二）304 图5.6.4六帧原始高分辨率测试图象 305 图5.6.5两种融合方法六组迭代图象PSNR均值与迭代次数Ⅳ的关系曲线 306 图5.6.6六组迭代图象PSNR均值与迭代次数N的二个关系曲线(m=1) 308 图5.6.7六组迭代图象PSNR均值与迭代次数N的三个关系曲线(n=1) 309 图5.6.8 RGPMAP-2-RPOCS融合最优算法流程图 310 图5.6.9 RGPMAP-2-RPOCS融合最优等三种算法效果验证比较实验结果312 图5.6.10八组分辨率等级测试序列图象中的1m分辨率图象 313 图5.6.11 3m分辨率等级测试图象对RGPMAP-2-RPOCS融合最优算法考查实验结果 315 图5.6.12 2m分辨率等级测试图象对RGPMAP-2-RPOCS融合最优算法考查实验结果 317 图5.6.13 RGPMAP-2-RPOCS融合最优算法对两帧输入图象的应用处理结果(36%显示) 320 图6.1.1 BPNN再生能力的实验结果 326 图6.2.1人工神经元模型示意图 328 图6.2.2阂值型激励函数示意图 329 图6.2.3分段线性激励函数示意图 330 图6.2.4 S型激励函数示意图 330 图6.2.5前馈层次型神经网络结构模型示意图 331 图6.2.6学习过程中权值调整示意图 333 图6.3.1 BP网基本结构及其学习过程示意图 334 图6.3.2隐含层和输出层激励函数示意图336 图6.3.3 BP网学习过程信号流程示意图 339 图6.3.4误差超曲而在单个连接权值坐标方向上的切线示意图 341 图6.3.5不同学习算法训练相同网络的效果比较（图象50%显示） 351 图6.3.6扩展S型函数在不同陡峭系数时的函数曲线355 图6.4.1由一帧HRI生成四帧LRIs的USS操作示意图358 图6.4.2网络训练映射向量的构成示意图360 图6.4.3网络收敛误差与训练映射向量数目的关系 363 图6.5.1 BP网单隐层节点数日确定流程365 图6.6.1单级训练图象超分辨BP网的结构示意图368 图6.6.2单级训练图彖超分辨BP网训练过程 371 图6.6.3单级训练图象超分辨BP网的训练实验结果（均61%显示） 372 图6.6.4分辨率等级测试图象对单级训练图象超分辨BP网泛化再生能力考查实验结果 373 图6.6.5单级训练图象超分辨BP网的泛化应用实验结果(75%显示) 375 图6.7.1由一帧高分辨率遥感参考图象经三次质量退化操作的欠采样图象方差（aZ）378 图6.7.2 三级训练图象超分辨BP网的结构示意图 381 图6.7.3图象超分辨BP网三级训练算法及其泛化应用框图 382 图6.7.4 BP网三级训练收敛图383 图6.7.5图象超分辨BP网三级训练及其输出结果图象 384 图6.7.6三级训练图象超分辨BP网对图象模式映射泛化应用处理结果386 图6.7.7 3m分辨率等级测试序列图象对三级训练图象超分辨BP网性能考查实验结果388 图6.7.8 2m分辨率等级测试序列图象对三级训练图象超分辨BP网性能考查实验结果 391 图6.7.9单帧输入三级训练图象超分辨BP网应用实验结果(54%显示)393 图6.7.10双帧输入二级训练图象超分辨BP网应用效果实验结果 395 插标目录 表2.1.1频率混叠深度参数C11取值范围与图象分辨率的关系47 表2.1.2“资源二号”遥感图象频率混叠分析表48 表2.1.3 1m分辨率遥感图象频率混叠分析表50 表2.5.1光学衍射MTFo1值随λ、Fn、f的变化69 表2.5.2像差系统MTF02值随B/d的变化70 表2.5.3 λ=0.60μm时离焦的MTF04值71 表2.5.4不同ε情况下电荷转移损失的MTFd值72 表2.5.5不同d、Lo情况下光串扰的MTFd值72 表2.5.6载体振动的MTFs随A/d变化值73 表2.5.7遥感光学成像系统奈奎斯特频率处的MTF (fN)值与对应的后值 74 表2.6.1基于FT的图象频域配准算法的高斯低通滤波参数值与配准误差的关系77 表2.6.2基于FT的图象频域配准算法的模板T与配准误差的关系77 表2.6.3帧间存在旋转时基于FT的图象频域配准算法滤波参数б与配准误差的关系79 表2.6.4帧间存在旋转时基于FT的图象频域配准算法计算模板T与配准误差的关系79 表2.6.5基于全局运动模型的图象配准算法高斯低通滤波参数б与配准误差的关系 81 表2.6.6采用高斯滤波器优化的图象频域配准算法滤波参数б与配准误差的关系“ 82 表2.6.7采用高斯滤波器优化的图象频域配准算法模板T与配准误差的关系83 表2.6.8采用R低通滤波器优化的图象频域配准算法模板T与配准误差的关系 84 表3.2.1基本频域反卷积算法对有噪运动模糊图象解模糊前后PSNR (dB)比较99 表3.2.2基本频域反卷积算法对有噪高斯模糊图象解模糊前后PSNR(dB)比较101 表3.2.3基本频域反卷积算法对有噪散焦模糊图象解模糊前后PSNR (dB)比较104 表3.2.4空域迭代盲目反卷积算法解无噪散焦模糊复原图象PSNR(dB)与迭代次数N的关系117 表3.2.5基于FT的迭代盲曰反卷积算法解无噪散焦模糊复原图象PSNR (dB)与迭代次数N的关系118 表3.2.6空域迭代盲目反卷积算法解有噪散焦模糊复原图象PSNR(dB)与迭代次数的关系120 表3.2.7基于FT的迭代盲目反卷积算法解有噪散焦模糊复原图象PSNR (dB)与迭代次数N的关系121 表3.2.8两种有限支持域迭代盲目反卷积算法解有噪散焦模糊复原图象PSNR (dB)的比较(N=2)124 表3.2.9图3.2.20中解模糊复原图象对比度改善因子127 表3.3.1图3.3.1中去噪处理前后图象PSNR的改善130 表3.3.2基于PDE的九种扩散去噪算法处理高斯噪声污染图象的PSNR比较141 表3.3.3基于PDE 的九种扩散去噪算法处理泊松噪声污染图象（图3.3.4）的PSNR比较141 表3.3.4改进的各向异性扩散去噪算法处理噪声污染图象（图3.3.5）的PSNR 144 表4.2.1单帧频域变换与增强算法单向提高图象分辨率的处理误差169 表4.2.2单帧频域变换与增强算法双向提高图象分辨率的处理误差172 表4.2.3频域补偿与扩展等插值法处理变化较缓慢信号的插值误差比较（p=55）181 表4.2.4频域补偿与扩展等插值法处理变化较剧烈信号的插值误差比较(p=2.2）181 表4.2.5式(4.2.17)的系数A(i)的取值185 表4.2.6分辨率等级测试图象对单帧图象频域变换与补偿扩展算法的性能考查实验数据186 表4.3.1分辨率等级测试图象对单帧频域解混叠超分辨算法的性能考查实验数据 221 表4.4.1两帧输入频域融合超分辨算法仿真验证实验图象的PSNR和SNR 231 表4.4.2频域融合超分辨算法处理3m分辨率等级测试图象的PSNR和SNR 235 表4.4.3频域融合超分辨算法处理2m分辨率等级测试图象的PSNR和SNR 236 表4.4.4图4.4.5中两帧输入图象帧间配准位移参数 239 表4.4.5图4.4.5中频域融合超分辨算法输出图象对比度改善因子Tel 239 表5.2.1图5.2.4中网格超分辨算法等多种方法处理图象的PSNR比较 253 表5.3.1图5.3.3中MAP估计算法等处理图象的PSNR比较 261 表5.4.1 PMAP和PML估计基本算法在图5.4.1两组实验中80次迭代图象PSNR比较 277 表5.4.2 RGPMAP等算法两组实验结果的PSNR比较 281 表5.4.3 RGPMAP等算法两组实验结果的SNR比较281 表5.4.4图5.4.7中RGPMAP估计算法处理图象的PSNR比较283 表5.5.1 RPOCS和POCS估计算法两组处理图象的PSNR比较 297 表5.5.2 RPOCS和POCS估计算法两组处理图象的SNR比较297 表5.5.3 图5.5.5中RPOCS估计鲁棒算法处理图象的PSNR比较-298 表5.6.1 RGPMAP-RPOCS融合方法六组测试迭代图象的PSNR 306 表5.6.2 RPOCS-RGPMAP融合方法六组测试迭代图象的PSNR 306 表5.6.3 RGPMAP-RPOCS-1 (m=1)融合算法六组测试迭代图象的PSNR 308 表5.6.4 RGPMAP-RPOCS-2(m=1)融合算法六组测试迭代图象的PSNR 308 表5.6.5 RGPMAP-RPOCS-5 (,m=1)融合算法六组测试迭代图象的PSNR 308 表5.6.6 RGPMAP-I-RPOCS(n=1)融合算法六组测试迭代图象的PSNR 309 表5.6.7 RGPMAP-2-RPOCS(n=1)融合算法六组测试迭代图象的PSNR 309 表5.6.8 RGPMAP-5-RPOCS(n=1)融合算法六组测试迭代图象的PSNR 309 表5.6.9 图5.6.9中三种算法比较实验输出图象的PSNR 313 表5.6.10 RGPMAP-2-RPOCS触合最优算法对3m分辨率等级测试图象处理效果评价 316 表5.6.11 RGPMAP-2-RPOCS融合最优算法对2m分辨率等级测试图象处理效果评价 318 表5.6.12 图5.6.13中两帧输入图象帧间位移参数 321 表5.6.13 图5.6.13中RGPMAP-2-RPOCS融合最优算法输出图象对比度改善因子 321 表6.3.1不同学习算法训练相同网络的数据统计 351 表6.3.2低分辨率序列图象与高分辨率图象中提取的两组对应数据356 表6.4.1 不同分块映射方式下单隐层基本BP网训练收敛及其输出图象性能隋况 362 表6.6.1 单隐层不同节点数目的基本BP网训练收敛及其输出图象性能情况 366 表6.7.1 单隐层不同节点数日的二级训练BP网训练收敛及其输出图象性能情况 380 表6.7.2三级训练图象超分辨BP网处理3m分辨率图象的PSNR和SNR 389 表6.7.3 三级训练图象超分辨BP网处理2m分辨率图象的PSNR和SNR 391 表6.7.4 单帧输入三级训练图象超分辨BP网应用实验结果的PSNR和SNR 393 表6.7.5 图6.7.10中应用实验输出图象对比度改善因子 395 表6.8.1 三级训练BP网与频、空域融合算法应用实验输出图象对比度和PSNR改善数据 398
《遥感图象复原与超分辨理论及实现》：
成像传感器的分辨率由其物理性质决定，分辨率是反映成像系统分辨物体细节的能力，它是成像系统的一个重要性能和指标。这里需要区分两种分辨率的概念，即成像分辨率和图象显示分辨率。由于成像系统实际上是把物体抽象为理想的点光源的集合来考虑，所以在考虑一个成像系统的分辨率时，一般只考虑其两点分辨率，即区分两个等亮度的点光源的能力，用两个点光源的最小极限分辨距离作为系统的成像分辨率，即所成图象的实际分辨率，对光学图象而言，这种极限分辨距离就定义为实际点扩散函数（Point Spread Function，PSF）的主瓣宽度。而图象的显示分辨率是每英寸视图内有多少像素点，其单位为每英寸像素数（Pixels PerInch，PPI）；通常，因为图象所含客体大小不变，其像素数越多，显示分辨率越高，常用图象的两个正交坐标方向上的像素数，如128x128，表示显示分辨率，这又被称为图象显示模式，简称为图象模式，图象模式越大，显示分辨率越高。在一般情况下，图象模式的提高有助于实际分辨率的增强，两者无固定关系，需要深入分析。 遥感图象，特别是高分辨率的遥感图象，作为准确、客观蕴涵和表达目标客体及其背景信息的一种载体，其应用领域越来越广泛，应用价值越来越高。例如，在城市、机场等交通枢纽的管制及车牌识别、空间飞行体的制导与导航、气象环境的监视及预报、医学CT和NMR（核磁共振）成像诊断、地质勘探及其数据分析、地震灾害的探查与评估等诸多领域（陈凤，2005），各类目标识别与判读（李宁宁，1995），以及在城市规划、土地利用监测、自然灾害预报等民事领域（吴青，2006），都有广泛的需求和应用。目前已经形成遥感影像获取、解译、地表信息分类和提取、三维重建、变化检测、动态监测、地图更新等完整的信息链。未来遥感图象的应用将更加普及，进一步推动遥感技术的发展。但是，实际应用表明，从遥感成像系统获取的遥感图象分辨能力往往达不到实际应用的要求，由于成像器件技术水平以及外界干扰的影响，所成遥感图象一般也达不到设计要求。所以，随着应用领域和应用深度不断扩展，越来越迫切要求提高遥感图象分辨率（魏祥泉，2005）。 对应用电荷耦合器件（Charge Couple Device，CCD）的光学成像系统来说，提高图象分辨率的一种直接的方法是使用高密度的CCD，即降低每个光敏器件的尺寸W。但MIT/Lincoln实验室在1989年发表的研究结果已经表明，检测器的散粒噪声和点扩散函数造成的模糊尺寸的影响是不可避免的，W越小，单个检测器收集到的目标信息越少，而散粒噪声和模糊的影响越严重，致使所成图象模糊越重、信噪比越低，在一定情况下，反而会显著降低图象的质量（Billard，1989）。同时，由于CCD工艺的限制，在很多实际应用情况下，不能通过降低单个检测器的尺寸即提高CCD密度的方法提高设备的成像分辨率。 ……
你还可能感兴趣
我要评论
|
