图像超分辨率重构技术研究及在遥感图像目标识别中的应用

摘要

经过几十年的发展，计算机图像处理技术已经运用在很多领域。各种应用场合对输入图像的分辨率都有比较高的要求。图像的分辨率是由图像获取设备决定的，获取图像分辨率的提高意味着图像获取设备成本的增加，因此这可能不是一个很好的解决方法。后来，人们提出了用图像处理的方法提高图像分辨率的方法，该方法称为图像超分辨率(Super resolution)重构。 一种可行的图像的超分辨率重构方法是由多幅低分辨率图像重构出一幅高分辨率图像。这些低分辨率图像反映的同一场景的信息并不完全相关，而是包含了各自特有的一些信息。本文对基于多幅低分辨率图像重构的若干问题进行了研究，主要工作包括以下几点： (1)图像的高精度配准是多幅低分辨率图像超分辨率重构的基础，图像的配准很大程度上决定了重构图像的质量。本文首先分析和比较了常用的图像配准方法。针对遥感图像特殊的应用场合，结合前人提出的基于图像特征的配准方法，本文采用了分两步走，从粗到精，实现图像局部区域高精度配准的方法。 (2)图像超分辨率重构的目的是要获得高分辨率网格上的图像，在图像配准准确无误的情况下可以获得质量比较高的重构图像。然而，图像配准要达到零误差是件很困难的事。另外，在遥感图像处理中，边界等细节是比较有用的信息，而在超分辨率重构结果中边界等细节容易发生模糊，给后续处理造成影响。根据超分辨率重构的这些要求和局限，本文提出了一种能够增强图像边界信息，同时考虑非精确配准的图像超分辨率重构方法，提高了重构的效果。 (3)在低分辨率遥感图像的目标识别中运用超分辨率重构技术。通常在遥感图像识别中，各个环节对图像分辨率的要求是不一样的。首先在低分辨率图像实现目标区域的初步分割，在对目标区域进一步处理时结合超分辨率重构技术提高局部图像的分辨率，在高分辨率图像上提取一组图像特征，更有效、更准确的识别出目标。

目录

文摘

英文文摘

中国科学技术大学学位论文相关声明

第一章绪论

§1.1课题背景

§1.2超分辨率图像重构的理论基础

§1.3图像的观测模型

§1.4常用的超分辨率重构算法

§1.4.1频域方法

§1.4.2空域方法

§1.5超分辨率图像重构的难点及研究方向

§1.5.1考虑图像的配准误差

§1.5.2超分辨率重构的盲估计

§1.5.3超分辨率重构的计算复杂度

§1.6遥感图像模式识别技术简介

§1.7本文的概要和安排

参考文献

第二章图像的配准方法研究

§2.1引言

§2.2图像配准的定义

§2.3图像特征的提取和匹配

§2.3.1基于区域的方法

§2.3.2基于提取图像特征的方法

§2.3.3运动估计法

§2.4图像的几何变换模型

§2.4.1全局的图像几何变换模型

§2.4.2局部的图像几何变换模型

§2.5图像的内插

§2.5.1最邻近内插(近邻取样法)

§2.5.2双线性内插值

§2.5.3三次卷积法

§2.6基于局部仿射变换不变的图像配准方法

§2.6.1特征点提取

§2.6.2特征点的匹配强度

§2.6.3初始同名点的获取

§2.6.4全图同名点的获取

§2.6.5全图变换系数的计算

§2.7遥感图像局部高精度配准

§2.8实验结果及本章小结

参考文献

第三章图像的超分辨率重构方法研究

§3.1引言

§3.2配准误差噪声

§3.3非线性各向异性扩展滤波

§3.4Hopfield神经网络

§3.4.1连续型Hopfield神经网络

§3.5基于Hopfield神经网络的超分辨率重构算法

§3.5.1目标函数

§3.5.2非线性各向异性扩展滤波

§3.5.3图像平滑约束

§3.5.4能量函数中各部分的控制参数

§3.6实验结果及本章小结

参考文献

第四章超分辨率重构在遥感图像识别中的应用

§4.1引言

§4.2模式识别的基本概念

§4.3图像模式识别的基本步骤

§4.4遥感图像中水坝目标识别系统的组成和原理

§4.4.1水坝上游大面积水域的提取

§4.4.2水坝区域的初步分割

§4.4.3 ROI图像的超分辨率重构

§4.4.4目标的特征提取及判别

§4.5实验结果及本章小结

参考文献

第五章结束语

致谢

研究生期间工作