论文部分内容阅读
随着科学技术的发展,遥感技术开始朝向更高精尖的方向发展。由于利用静止轨道光学相机完成对地高分辨率观测,对国计民生具有重大意义。因此,遥感卫星的观测分辨率已成为遥感卫星性能的重要评价指标。然而,通过增大光学相机口径,增长相机焦距,减小像元尺寸等技术手段提升卫星观测分辨率不可避免的会带来一些其他的问题。如制造难度加大,成本上升,信噪比降低。近几十年来,随着数字图像处理,模式识别与机器学习技术的发展,许多学者提出采用图像后处理的手段来提升图像的分辨率。基于数字图像处理技术,利用图像后处理的手段来提升图像分辨率的过程称为图像超分辨率重建,采用的图像处理算法称为超分辨重建算法。超分辨重建技术由于采用图像后处理的手段来提升图像的分辨率,避免了上述问题。根据所处理的输入图像帧数的不同,图像超分辨重建算法可以分为基于多帧的超分辨算法和基于单帧的超分辨算法。本文分别对两类算法进行了详细的讨论和比较分析,并以此为主线,展开了对微扫描成像,亚像元技术,多帧超分辨算法,单帧超分辨算法的详细研究,主要工作和研究成果如下:(1)通过对光学遥感器成像分辨率的影响因素进行分析,得出了提升遥感器分辨率的可行技术方案,并对其进行了逐一讨论,评估了从硬件上提升光学遥感器分辨率的难度。从超分辨重建的理论基础以及采样定理的角度探讨了多帧超分辨重建的基本原理,并分析了超分辨重建算法的有效性。(2)对各种多帧超分辨算法并进行了仿真分析,指出了各类算法的优劣势。针对超分辨重建的亚像素位移图像获取问题,设计了相应的实验装置进行实验。此外,本文针对超分辨过程中求解不稳定的问题,结合动量更新策略,提出了一种基于全变分正则项的改进的最大后验概率估计算法。算法利用光流法进行图像配准,以全变分正则项作为先验约束,构建了基于最大后验概率估计框架的目标函数最小化问题,并采用动量更新策略进行优化求解。对算法进行仿真和实验分析的结果表明,本文提出的算法取得了相比以往算法更好的效果。(3)通过对图像评价因子的广泛调研分析,针对超分辨重建在实际应用场景中没有一个非常好的评价指标问题,提出将无参考图像的像质评价算法BRISQUE(Blind reference-less image spatial quality evaluator)引入超分辨重建中,解决了超分辨在无参考图像下的评价问题。该算法基于有监督的支持向量机(Support vector machine,SVM)+支持向量回归(Support Vector Regression,SVR)模型,利用SVM判断图像中各类退化因素的概率,并利用SVR对各个退化类型计算图像质量指标值,最后根据概率加权得到总的图像质量指标。由于其考虑了各类退化因素,所以比较适合衡量超分辨重建算法的效果。(4)针对多帧超分辨重建问题存在的诸多局限性,比如多帧超分辨存在图像配准误差大,先验知识难以定义等问题。基于此,开展了基于单帧的超分辨重建算法研究。通过仿真分析表明,基于深度学习的算法取得了较好的效果,然而,基于深度学习的算法鲁棒性欠佳,对于一些图像可能出现图像偏色问题。