基于多结构和多尺度的微波辐射图像重构方法研究

摘要

随着微波遥感技术广泛应用在土壤水分研究、军事目标探测、射电天文、海洋监测、资源开发、环境保护等很多领域，传统的微波辐射计受限于空间分辨率较低，已经无法满足微波遥感精细化、复杂化的发展要求。为解决微波辐射图像的空间分辨率与系统硬件成本高的矛盾，引入压缩感知理论，充分挖掘微波辐射图像的稀疏结构先验特征，研究多结构混合稀疏基字典学习重构方法。同时考虑到微波辐射图像具有局部与整体的自相似性，能够实现分形可压缩，在稀疏基字典学习的基础上又提出基于多尺度分形字典的拼贴重构方法。论文的研究内容如下：
　　1.分析综合孔径微波辐射成像系统的优缺点，介绍压缩感知理论模型，针对传统综合孔径微波辐射计存在的一系列问题，构造基于压缩感知的微波辐射成像系统。通过挖掘微波辐射图像的结构特征，获取稀疏先验信息，在不影响信号还原的前提下，充分压缩信号，降低信号的采样率。压缩感知主要包括信号的观测、信号的稀疏表示和信号的重构。重点研究了信号的稀疏表示及信号重构。
　　2.微波辐射图像的复杂特征信息很难用单一正交稀疏基字典进行稀疏表示，利用K-SVD字典学习算法，能够将图像的稀疏性结构特征更好的挖掘出来，提高字典的稀疏表示能力，使具有复杂结构特征的微波辐射图像更好的被表征。通过差分变换和小波变换，将图像信号转移到差分域和小波域上。在此基础上，提出基于多结构的混合正交稀疏字典学习的微波辐射图像重构方法。实验结果表明，本文提出的算法重构图像效果要比DLMRI算法和GradDLRec算法的重构质量好。
　　3.根据微波辐射图像具有的自相似性结构特征，引入分形图像编码方法。介绍分形几何及其相关的数学理论。详细阐述了分形图像重构的编码过程和解码过程。由于微波辐射图像具有分段过平滑和细节信息丰富的结构特征，传统的单一尺度分形编码很难拼贴重构出相似度高的图像，本文提出了多尺度分形编码拼贴重构微波辐射图像，即不再采用固定划分的单一分形基字典，而是构造多尺度的混合分形基字典，能够更好的与R块进行最优匹配，拼贴出相似度更高的微波辐射图像。由实验结果可以看出，本文提出的多尺度分形图像重构算法在图像重构质量上要明显优于传统的分形图像重构算法。