学位论文 > 优秀研究生学位论文题录展示

基于MAP的高光谱图像超分辨率方法研究

作　者: 赵妍
导　师: 王立国
学　校: 哈尔滨工程大学
专　业: 信号与信息处理
关键词: 高光谱图像 超分辨率 最大后验概率(MAP) 光谱端元(端元)
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 108次
引　用: 0次
阅　读: 论文下载
 

内容摘要


高光谱图像(Hyperspectral imagery, HSI)得到了越来越广泛的应用,其谱分辨率很高,但是其像元对应的地物分辨率却是有限的。较低的空间分辨率给数据处理如精准匹配、混合像元分离和目标检测与识别等技术带来了巨大的困难。可以说,空间分辨率已经成为高光谱图像应用效果的主要制约因素。因此,如何提高其空间分辨率受到学术界的高度重视。各界学者都致力于提高空间分辨率的研究,但是至今没有得到很好的解决方法。超分辨率重建技术是指去除或减轻在获取数字图象的过程中发生的图像质量退化,建立相应的数学模型,并沿图像降质的逆过程尽可能恢复退化的本来面目的一种方法,这种方法是利用低分辨率资源图像获取高分辨率图像的不可多得的一种途径,具有很高的研究价值和应用价值。本论文对基于MAP的超分辨率方法进行研究,结合高光谱图像自身的特点,建立高光谱图像成像模型,将超分辨率重建技术应用于高光谱图像中,从而提高高光谱图像的空间分辨率。主要从以下几个方面进行重点研究：首先,介绍了高光谱图像的特点、成像光谱技术的发展以及高光谱图像分辨率提高技术的发展及现状,说明了课题的研究背景和应用价值。其次,分别从超分辨率重建技术的分类、应用、评价指标以及数学基础等几方面进行了扩展,并且着重介绍了其中一种应用于本研究的最大后验概率(MAP)方法等基本理论,为后续研究打下理论基础。接下来,重点提出高光谱图像超分辨率模型。针对高光谱自身特点,结合普通图像的成像方法,总结出适合于高光谱图像的成像模型,并且在建立高光谱图像成像模型时,利用感兴趣类别端元将原始高维数据映射到低维变换空间,大大降低了算法的复杂度和保护感兴趣类别。最后,以最大后验概率(MAP)理论为基础,应用以上的高光谱图像成像模型总结出适合于高光谱图像的超分辨率复原方法。在复原过程中,通过采用局部分析代替全局分析来避免大尺度矩阵操作从而降低超分辨率方法复杂度。最终通过仿真实验结果,各种评价方式以及特殊应用需求——分类,验证方法的有效性和可行性。

全文目录


摘要  5-7
ABSTRACT  7-11
第1章 绪论  11-19
  1.1 课题研究背景  11-12
  1.2 高光谱图像特点  12-13
  1.3 成像光谱技术的发展  13-14
  1.4 高光谱图像分辨率提高技术的研究现状及分析  14-17
  1.5 论文结构安排  17-19
第2章 超分辨率重建技术  19-28
  2.1 引言  19-20
  2.2 超分辨率重建技术概述  20-21
  2.3 超分辨率重建的技术的应用  21-22
  2.4 超分辨率重建技术的基本方法  22-23
  2.5 超分辨率重建方法的评价指标  23-24
  2.6 超分辨率重建的数学基础  24-26
    2.6.1 解析延拓理论  25
    2.6.2 信息叠加理论  25-26
    2.6.3 非线性操作  26
  2.7 本章小结  26-28
第3章 MAP估计理论基础  28-35
  3.1 引言  28
  3.2 估计准则与最优估计概念  28-29
  3.3 MAP估计理论基础  29-33
    3.3.1 Bayesian原理  29-30
    3.3.2 条件概率  30-31
    3.3.3 先验概率模型  31-33
  3.4 本章小结  33-35
第4章 高光谱图像的成像模型  35-43
  4.1 引言  35
  4.2 图像降质模型的建立  35-37
  4.3 高光谱图像成像模型  37-41
  4.4 变换域后的高光谱图像成像模型  41-42
  4.5 本章小结  42-43
第5章 基于MAP的高光谱图像的超分辨率方法  43-64
  5.1 引言  43
  5.2 MAP算法的高光谱图像重建  43-47
    5.2.1 重建方法具体公式推导  43-47
    5.2.2 复原过程中的局部处理  47
  5.3 基于MAP高光谱图像超分辨率方法总结  47-49
  5.4 重建方法迭代步骤  49
  5.5 图像评价标准  49-50
  5.6 高光谱图像全谱段超分辨率重建实验  50-58
  5.7 基于POCS的高光谱图像超分辨率重建  58-63
    5.7.1 引言  58
    5.7.2 图像重建的POCS基本理论  58-60
    5.7.3 基于POCS的高光谱图像超分辨率算法研究  60-61
    5.7.4 仿真实验  61-63
  5.8 本章小结  63-64
结论  64-66
参考文献  66-72
攻读硕士学位期间发表的论文及取得的科研成果  72-73
致谢  73

相似论文

  1. 高光谱图像空—谱协同超分辨处理研究,TN911.73
  2. 基于感兴趣信息的高光谱图像压缩技术研究,TP391.41
  3. 基于学习的低阶视觉问题研究,TP391.41
  4. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  5. 基于核方法的高光谱图像异常检测算法研究,TP751
  6. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  7. 基于回归的图像超分辨率重建技术研究,TP391.41
  8. 利用非局部相似性的图像超分辨率重建研究,TP391.41
  9. 高/多光谱图像混合像元解混研究,TP751
  10. 基于学习的视频超分辨率重建算法研究及实现,TP391.41
  11. 高光谱图像异常目标检测,TP391.41
  12. 高光谱图像处理平台的研究与设计,TP391.41
  13. POCS图像超分辨率重建技术研究,TP391.41
  14. 基于学习的图像超分辨率技术及其应用研究,TP391.41
  15. 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
  16. Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
  17. 基于样例的图像画质增强,TP391.41
  18. 基于正则化的超分辨率图像序列重建技术研究,TP391.41
  19. 图像超分辨率重建算法研究,TP391.41
  20. 高光谱遥感图像融合技术与质量评价方法研究,TP751
  21. 基于矢量量化的高光谱图像无损压缩算法研究,TP751.1

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com