基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

基于低概率检测的高光谱异常目标检测算法研究

在深入分析高光谱数据特点的基础上,系统研究了基于低概率检测的高光谱图像异常检测方法。首先针对高光谱图像数据维数高的特点研究高光谱图像降维方法,重点研究自适应子空间分解(ASD)算法对高光谱图像进行降维;然后研究高光谱图像异常目标检测算法,异常检测算法能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标,具有较强的实用性,成为一个重要的研究热点,重点研究低概率检测(LPD)算法,并用此算法对高光谱图像进行异常检测。此外,还研究了其它算法如RX算法,并与LPD算法进行比较,在此基础上对LPD算法进行改进,寻求以较高的鲁棒性进行高光谱异常目标检测,最终用基于特征融合的低概率检测算法对LPD算法进行改进。     

基于压缩感知的遥感图像重构方法研究

针对遥感成像高分辨率、高光谱和多时相趋势所带来的高数据率的问题,应用ShannonNyquist采样技术难以胜任未来遥感应用中对海量信息的处理需求。为解决遥感图像采样数据量大、采样时间长以及数据传输存储量大等资源浪费的问题,提出了一种基于压缩感知的遥感图像重构方法。基于遥感图像的先验知识得到改进联合稀疏表示模型,并采用一种广义迭代收缩方法对该模型进行有效求解,实现了低采样率、低复杂度的遥感图像重构算法,获得了较高质量的图像重构效果。实验结果表明,所提出的重构算法具有一定的正确性和有效性,并且在PSNR方面比目前的主流算法要好。     

基于稀疏表示和块匹配的图像超分辨率重建方法

针对图像的超分辨率重建问题,提出一种基于稀疏表示和块匹配的重建方法.首先,根据图像退化模型将HR图像退化成LR图像.然后,通过训练获得过完备字典,对图像重建问题进行稀疏表示,并对此进行求解.最后,利用重叠块技术缓解块效应,利用反向投影技术保证全局一致性,最终获得重建的HR图像.另外,将该方法扩展到多帧图像重建中,利用块匹配技术从多帧图像中选择出一个目标图像,以此实现重建.实验结果表明,该方法的重建图像具有较低的峰值信噪比.     

稀疏表示遥感图像超分辨重建

为获取地物信息更丰富、空间分辨率更高的遥感图像,提出了一种改进的稀疏表示遥感图像超分辨重建算法。对遥感图像预处理,得到所需训练样本图像;利用字典学习算法进行学习,得到遥感图像结构相似的高低分辨率字典对;对图像特征块进行稀疏表示时,采用改进的自适应滤波方法进行特征提取,同时引入均值滤波法改进超分辨重建迭代计算。实验结果表明,改进后的稀疏表示超分辨方法,有效地避免了重建图像边缘信息的丢失,获取了较好的超分辨重建效果。与当前最先进的稀疏表示超分辨算法相比,主观视觉上纹理细节信息更丰富,客观评价指标峰值信噪比提高约1 d B,结构相似性提高约0.02。     

基于改进随机漫步的高光谱图像分类方法

基于改进随机漫步的结合光谱信息和空间信息的高光谱图像分类方法,包括两个主要的步骤:首先,用SVM获得能够反映图像中的每个高光谱像素属于不同类别的分类概率图;然后,用结合高光谱图像空间信息的随机漫步算法对获得的像素级的分类概率图进行优化。该分类方法展示出较高的分类精度,尤其是在训练样本较少的情况下。     

基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建. 在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像. 两图像之差为残差图像. 从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系. 针对图像块具有不同纹理和结构以及
字典学习效率的问题,提出多组耦合字典和字典交替学习算法. 在重建阶段先将输入图像插值放大,视为低分辨率图像. 求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像. 实验结果表明该方法具有良好的重建效果.     

基于流形的稀疏表示自适应字典实现及应用

传统的稀疏编码码本采用静态基元形式,限制了其泛化能力。将流形思想引入字典的学习过程,创新性地提出了动态基元稀疏编码方法。在学习稀疏基元时,同步计算基元对应的切方向可以确定,因此,提出了稀疏编码动态基元的表示与重构方法。将基于流形的图像自适应字典学习与重构方法用于图像恢复,实验表明所提方法增强了稀疏编码基元的泛化能力,比传统的图像恢复方法提升效果明显。     

基于高光谱成像的水果损伤分析研究

高光谱成像技术包含图像信息和光谱信息。本文利用高光谱成像技术检测苹果摔伤,主要采用主成分分析、波段比算法和支持向量机分析所采集的高光谱图像数据。实验结果表明,波段比算法和主成分分析法分类识别正确率为93.3%,与支持向量机相比更适用于苹果摔伤的实时快速检测。     

基于有约束CNMF的遥感高光谱多光谱图像融合

针对高光谱图像空间分辨率较低的问题,设计了一种基于光谱解混的高光谱、多光谱图像融合算法（VSC-CNMF）. 结合遥感图像的实际物理特性,在混合像元分解时加入端元单形体最小体积约束和丰度稀疏约束,通过光谱退化、空间退化和迭代解混,实现不同图像间端元和丰度的匹配,获得了具有高空间分辨率的融合图像. 仿真实验表明,VSC-CNMF可得到具有更高空间质量和光谱质量的融合图像.     

结合空-谱信息的高光谱图像分类方法

针对传统高光谱遥感图像分类中单纯利用光谱信息而忽略空间信息这一情况,研究空间信息在分类中的两种有效利用方法:其一是先基于方向线理论提取空间特征,然后将其与光谱特征相结合进行高光谱图像分类;其二是采用空间邻域信息继续对分类结果进行智能性修正。实验结果表明,空间信息的利用有助于进一步提高高光谱图像的分类精度。     

基于分数群稀疏混合范式和空间正则化的高光谱解混

高光谱稀疏解混合方法旨在寻找光谱库的最佳子集以对场景中的混合像元进行建模。大多数稀疏解混合方法使用美国地质调查局光谱库，易造成与所研究的高光谱数据失配。利用顶点分量分析和概率输出支持向量机，设计了一种结合空间和光谱信息的基于图像的端元光谱库提取方法。由于提取的端元光谱库具有群结构，即多个端元光谱代表一类材料，因此估计的丰度也具有群体结构。提出了基于分数群稀疏混合范式和空间正则化的解混算法，用来解决丰度估计优化问题。分数混合范式诱导丰度群内和群间稀疏性，全变分(Total variation, TV)空间正则化诱导丰度群空间平滑。在模拟数据集和真实数据集上的实验结果表明，与传统稀疏解混合方法相比，该方法可以显著提高解混性能。     

基于自适应核方法的正交子空间投影异常检测算法

在高光谱图像的异常目标检测核方法中,高斯径向基核函数的宽度决定因子(即核参数)选择恰当与否是决定算法性能的重要因素。针对这一问题,提出了一种基于自适应核方法的正交子空间投影高光谱图像异常检测算法,有效的解决了统一的全局检测参数在复杂多变背景环境下检测性能下降的问题。这不仅提高了算法的通用性,也降低了检测的计算量。用AVIRIS高光谱数据进行了仿真实验,取得了较好的检测效果。将该算法与其他算法进行比较,结果表明,所提出算法的检测性能明显地优于传统算法,降低了虚警概率。     

CT图像重建算法的改进

CT图像重建算法是医学影像学的主要研究领域,然而CT图像重建时不可避免地存在噪声、伪影,因此,需要研究一种新的算法对CT图像进行去噪处理,进而重建出低噪声、高分辨率的CT图像。基于此,本文提出基于过完备字典稀疏的去噪模型,并运用于CT图像去噪,同时将基于低秩矩阵分解应用于CT重建,核心思想是利用CT图像投影矩阵的稀疏特性,提出了一种新的CT图像重建法,其重建过程分成2个步骤:一个是过完备字典稀疏法(K-SVD)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得算法的复杂度得以降低,提出的方法具有较好的去噪效果,提高了重建图像的质量。     

资源三号卫星影像超分辨率重建

研究了迭代反投影重建的方法与基于稀疏表示和字典学习的重建方法,将两种重建
算法首次用于资源三号三线阵影像数据的重建试验,并从亮度均值、峰值信噪比、信息熵和清
晰度等四方面对实验结果进行客观分析. 重建影像结果表明：基于字典学习和稀疏表示的重建
方法获得的资源三号重建影像效果优于迭代反投影方法.     

特征增强的平滑区域篡改检测算法

针对移除图像平滑区域目标的篡改行为,提出一种基于轮廓特征增强的检测算法.首先对待检测图像进行滑窗式分块,逐块进行二值化轮廓特征提取,然后对提取的轮廓序列进行字典排序,最后通过对轮廓序列的匹配实现篡改区域的正确标注.实验表明该算法能有效解决平滑区域篡改痕迹检测的问题,且篡改图像经较低品质JPEG压缩后仍有较强的匹配能力.     

基于低秩和重加权稀疏表示的红外弱小目标检测算法

红外弱小目标检测技术是红外告警系统中的关键技术之一,但如何精确、快速、鲁棒地进行弱小目标检测依然是个难题。该文提出了基于低秩和重加权稀疏表示的红外弱小目标检测算法,设计了新的优化方程,更精确地描述了背景矩阵的秩,利用结构张量提取红外图像的局部先验信息权重,同时提取目标矩阵的自增强稀疏权重,使模型能够更好地抑制背景中的边缘干扰来提取目标。实验表明：所提算法精度优于现有的经典基线算法,速度超越了一些经典算法。从性能和时间两个方面综合考虑,所提算法有着较好的优越性,对远距离红外弱小目标告警具有积极的意义和良好的应用价值。     

基于小波域维纳滤波器的信号稀疏表示

经典小波分解对信号稀疏化效果不佳,为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数,增大系数的稀疏度及可压缩性,从而提高压缩感知算法对信号的恢复质量. 仿真结果表明,与传统的基于小波变换的信号稀疏表示及恢复算法相比,该算法较大地提升了对信号及图像的恢复质量.     

一种新型基于插值的高光谱图像亚像元定位算法

在高光谱图像亚像元定位领域中,基于插值的亚像元定位算法具有无参数、无迭代、快速运算等优点,得到了广泛的应用。传统的基于插值的亚像元定位算法由于原始高光谱图像分辨率低和现有的光谱解混技术的局限性,使得丰度图像不能充分携带原始高光谱图像的先验信息。针对这一问题,提出了一种新型基于插值的高光谱图像亚像元定位算法。将插值算法直接应用于原始低分辨率高光谱图像,得到高分辨率图像。将高分辨率图像通过光谱解混得到具有丰富原始图像先验信息的丰度图像,利用丰度图像提供的信息将类别标签分配到每个亚像元中,获得亚像元定位结果。仿真实验证明,该方法可以充分地携带原始图像的先验信息,获得比传统的基于插值的亚像元定位算法精度更高的结果。