针对遥感图像空间分辨率不足的问题,探讨了RAISR(rapid and accurate image super resolution)算法在单帧遥感图像超分辨率重建中的可行性。RAISR算法以处理自然图像为主,分为学习阶段和图像重建阶段。学习阶段是利用训练库图像生成滤波...针对遥感图像空间分辨率不足的问题,探讨了RAISR(rapid and accurate image super resolution)算法在单帧遥感图像超分辨率重建中的可行性。RAISR算法以处理自然图像为主,分为学习阶段和图像重建阶段。学习阶段是利用训练库图像生成滤波器,是算法的核心部分;图像重建阶段是利用滤波器重建图像。首先,在学习阶段,根据图像块的位置、角度、强度、相干性等特征对滤波器进行分类,并采用哈希列表存储;然后,针对遥感图像特点,优化了RAISR算法的滤波器尺寸,并采用USM(unsharp mask)方法增强边缘纹理特征,以达到最佳的重建效果;最后,用多组遥感图像进行了重建实验。结果表明:RAISR算法的重建质量与训练集图像的分辨率、数量、类别、所含地物类型有关;本文优化的RAISR算法重建后的遥感图像细节、边缘等信息都得到了改善。展开更多
为降低无人机硬件设备升级成本,研究利用深度学习技术进行航拍图像超分辨(super-resolution,SR)。针对神经网络训练参数量大的特点,提出了一种稀疏卷积神经网络SR(SR based on sparse convolutional neural network,SRSCNN)重构方法,对...为降低无人机硬件设备升级成本,研究利用深度学习技术进行航拍图像超分辨(super-resolution,SR)。针对神经网络训练参数量大的特点,提出了一种稀疏卷积神经网络SR(SR based on sparse convolutional neural network,SRSCNN)重构方法,对神经网络连接权值进行选择性筛选达到压缩网络结构并减少训练时间的目的。实验结果表明,该方法在缩短网络学习时间,图像重构效果和计算时间上具有一定优越性。同时,设计了一种基于显著性区域的图像质量评价方式,更适应航拍图像后续处理工作。展开更多
文摘针对遥感图像空间分辨率不足的问题,探讨了RAISR(rapid and accurate image super resolution)算法在单帧遥感图像超分辨率重建中的可行性。RAISR算法以处理自然图像为主,分为学习阶段和图像重建阶段。学习阶段是利用训练库图像生成滤波器,是算法的核心部分;图像重建阶段是利用滤波器重建图像。首先,在学习阶段,根据图像块的位置、角度、强度、相干性等特征对滤波器进行分类,并采用哈希列表存储;然后,针对遥感图像特点,优化了RAISR算法的滤波器尺寸,并采用USM(unsharp mask)方法增强边缘纹理特征,以达到最佳的重建效果;最后,用多组遥感图像进行了重建实验。结果表明:RAISR算法的重建质量与训练集图像的分辨率、数量、类别、所含地物类型有关;本文优化的RAISR算法重建后的遥感图像细节、边缘等信息都得到了改善。
文摘为降低无人机硬件设备升级成本,研究利用深度学习技术进行航拍图像超分辨(super-resolution,SR)。针对神经网络训练参数量大的特点,提出了一种稀疏卷积神经网络SR(SR based on sparse convolutional neural network,SRSCNN)重构方法,对神经网络连接权值进行选择性筛选达到压缩网络结构并减少训练时间的目的。实验结果表明,该方法在缩短网络学习时间,图像重构效果和计算时间上具有一定优越性。同时,设计了一种基于显著性区域的图像质量评价方式,更适应航拍图像后续处理工作。
