| 题名 | 红外遥感图像超分辨率重建算法研究 |
| 作者 | 张晓阳 |
| 答辩日期 | 2019-06-01 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学(中国科学院长春光学精密机械与物理研究所) |
| 授予地点 | 中国科学院大学(中国科学院长春光学精密机械与物理研究所) |
| 导师 | 李广泽 |
| 关键词 | 红外遥感图像 超分辨率重建 卷积神经网络 残差学习 |
| 英文摘要 | 红外遥感图像由于其抗干扰能力强的独特优势,在民用和军事领域应用发挥着特殊作用,然而当前红外遥感图像仍然存在分辨率低、细节模糊、信噪比低问题,影响了实际应用。因此,提高红外遥感图像的分辨率成为一项重要的研究方向。因此,本论文以提高图像分辨率为目的,对红外遥感图像的超分辨率重建技术进行了深入研究。本文首先详细分析影响红外遥感图像分辨率的各种因素,据此建立红外遥感图像的退化模型,然后,研究用于改善红外遥感图像的退化模型的超分辨率重建技术,并且重点描述了恢复高频细节信息的理论依据,以及常用的基于单帧图像的超分辨率重建算法。针对红外遥感图像,提出了一种新的深度卷积残差学习网络超分辨率重建方法。在卷积神经网络中,使用亚像素卷积替代传统插值预处理完成图像的上采样,降低噪声对图像重建的影响;提出使用加深网络与小卷积核相结合的方式,增加卷积神经网络的感受野,更好的提取图像特征信息,提高细节重建能力,同时降低网络参数存储需求;设计了一种残差网络,解决网络过深带来的梯度爆炸、梯度消失以及长期依赖问题,提高网络对先验信息的获取能力,加快训练过程的收敛。采用本文提出的算法对10m分辨率的红外图像进行超分辨率重建,直观视觉效果上,重建图像细节清晰,噪声抑制能力强,且在峰值信噪比以及结构相似性上,分别比SRGAN和SRCNN提高了5.27%、6.93%和1.06%、2.48%;并对20m分辨率的平原、山地和村落场景的红外遥感图像分别进行超分辨率重建,算法效果优势明显。综上,本文提出的深度卷积残差学习网络超分辨率重建方法能够有效地提高红外遥感图像的分辨率,有极大的应用和推广价值。 |
| 语种 | 中文 |
| 页码 | 67 |
| DOI标识 | CA2ECD8E90398F8F20122A39142478DD |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/63929]  |
| 专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
| 推荐引用方式 GB/T 7714 | 张晓阳. 红外遥感图像超分辨率重建算法研究[D]. 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 2019. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论