遥感图象复原与超分辨理论及实现PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 成像模型 6

1.2.1 遥感图象的成像过程及其影响因素 6

1.2.2 成像模型及其分析 9

1.3 遥感图象质量恢复的技术途径及其理论依据 11

1.3.1 图象质量恢复途径及问题 11

1.3.2 图象质量恢复的理论依据 13

1.4 图象复原引论 15

1.5 图象超分辨浅论 18

1.5.1 图象内插技术 21

1.5.2 基于局部谱变换特征的凸显技术 25

1.5.3 基于多核基集合的高分辨图象重建技术 27

1.6 系统方案 31

1.6.1 系统方案的设计和原理框图 31

1.6.2 工作原理 33

1.7 小结和评述 34

第2章 遥感图象的先验信息提取 36

2.1 图象概率先验模型及其变换分析 36

2.1.1 图象概率先验模型 36

2.1.2 图象变换分析 39

2.1.3 频谱分析及频率混叠深度参数的定义与提取 44

2.2 图象模糊及其模糊函数的先验模型 51

2.2.1 图象模糊及其模糊参数分析 51

2.2.2 模糊函数的先验模型 55

2.3 图象噪声及其分析 59

2.3.1 噪声来源及其先验分析 59

2.3.2 噪声分析 61

2.4 图象云雾分析及其图象模型 65

2.5 成像调制传递函数及其影响因素分析 66

2.5.1 调制传递函数的基本概念和物理意义 66

2.5.2 调制传递函数的数学模型及其实验数据 68

2.6 图象配准技术及其帧间变换参数的提取 74

2.6.1 图象配准技术研究总体方案 74

2.6.2 基于FT的图象频域配准及其优化算法 75

2.6.3 基于光（学）流的鲁棒性高精度图象配准算法方案 85

2.6.4 基于不变特征的高精度图象配准算法方案 86

2.7 小结与评述 87

第3章 遥感图象复原处理技术研究 89

3.1 引言 89

3.2 图象模糊复原技术及其解模糊算法 90

3.2.1 图象解模糊实施方案 90

3.2.2 图象基本频域解模糊算法 91

3.2.3 有限支持域上图象盲目反卷积解模糊算法 104

3.3 图象噪声抑制技术及其去噪算法 128

3.3.1 引言 128

3.3.2 基于多帧融合的频域法图象去噪技术 129

3.3.3 基于PDE的扩散图象去噪技术 131

3.3.4 剔除遥感图象条带噪声的陷波带阻滤波器 146

3.3.5 改进的中值滤波器消除颗粒噪声算法 151

3.4 图象薄云薄雾的抑制技术 151

3.4.1 基于同态滤波的薄云薄雾抑制技术 152

3.4.2 基于小波多分辨分析的薄云薄雾抑制技术 156

3.4.3 两种抑制薄云薄雾方法的比较 160

3.5 小结与评述 161

第4章 频域图象超分辨处理技术研究 163

4.1 引言 163

4.2 单帧频域变换与补偿扩展超分辨处理技术研究 164

4.2.1 FFT插值法的改进和频域变换增强技术的形成 165

4.2.2 单帧频域变换与增强技术方案及其精度分析 167

4.2.3 使用条件与理论极限 174

4.2.4 振铃的抑制和帧内频域补偿与扩展滤波器的设计 175

4.2.5 单帧频域变换与补偿扩展超分辨自适应算法 185

4.2.6 实验结果及其分析 186

4.3 图象频域解混叠超分辨处理技术研究 202

4.3.1 研究实施方案 202

4.3.2 多帧（源）频域解混叠的理论分析 203

4.3.3 单帧频域解混叠算法 210

4.3.4 实验结果及其分析 212

4.4 二至多帧频域融合超分辨算法研究 225

4.4.1 引言 225

4.4.2 频域融合超分辨算法的建立 225

4.4.3 实验结果及其分析 229

4.5 小结与评述 240

第5章 空域图象超分辨处理技术研究 242

5.1 引言 242

5.2 网格超分辨估计算法及其模块研究 244

5.2.1 低分辨率序列图象与高分辨率图象之间的空间关系 245

5.2.2 标准位移低分辨率图象的求解 247

5.2.3 空域递归迭代网格算法模型的建立 249

5.2.4 空域递归迭代网格算法模块 250

5.2.5 实验结果及其分析 252

5.3 MAP估计算法及其算法模块研究 253

5.3.1 研究实施方案 253

5.3.2 图象的概率模型与估计 254

5.3.3 代价函数及其最小化估计 256

5.3.4 梯度下降的优化 257

5.3.5 循环递归迭代算法模块 259

5.3.6 实验结果及其分析 259

5.4 PMAP估计算法模型及其改进算法研究 261

5.4.1 引言 261

5.4.2 PMAP/PML估计基本算法模型 262

5.4.3 改进的PMAP估计算法 269

5.4.4 实验结果及其分析 274

5.5 POCS估计算法模型及其计算流程研究 283

5.5.1 引言 283

5.5.2 POCS估计算法的基础理论 284

5.5.3 POCS估计基本算法和RPOCS估计鲁棒算法 287

5.5.4 实验结果及其分析 294

5.6 PMAP/POCS融合最优算法的建立及其实验研究 298

5.6.1 引言 298

5.6.2 PMAP/POCS融合的理论基础 299

5.6.3 PMAP/POCS融合最优算法的建立 302

5.6.4 实验结果及其分析 310

5.7 小结与评述 321

第6章 神经网络图象超分辨技术研究 324

6.1 引言 324

6.2 神经网络技术基础 327

6.2.1 神经元及其激励函数 327

6.2.2 人工神经网络模型及其学习方法 331

6.3 BP网模型及其学习算法 334

6.3.1 BP网学习过程分析及其数学模型 334

6.3.2 BP网基本学习算法及其局限性 337

6.3.3 比例共轭梯度学习算法 342

6.3.4 BP网学习算法实现的保障及优化 352

6.4 网络训练样本图象的采集及其映射向量的获取 357

6.4.1 网络训练样本图象的采集 357

6.4.2 网络训练映射向量的构造方法 359

6.4.3 网络训练映射向量的数量和质量 362

6.5 BP网结构的确定方法 363

6.6 单级训练图象超分辨BP网的建立和实验研究 366

6.6.1 结构的确定 366

6.6.2 网络参数的选择 368

6.6.3 图象超分辨BP网单级训练实验结果 370

6.6.4 单级训练图象超分辨BP网泛化应用实验结果与分析 372

6.7 三级训练图象超分辨BP网的建立和实验研究 375

6.7.1 引言 375

6.7.2 三级训练样本图象的获取筛选及其映射向量的构成 376

6.7.3 三级训练图象超分辨BP网结构设计及其参数的选择 379

6.7.4 图象超分辨BP网三级训练算法及其训练实验结果 382

6.7.5 三级训练图象超分辨BP网泛化应用实验结果与分析 384

6.8 小结与评述 396

后记 399

参考文献 400