首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 62 毫秒
1.
针对单帧遥感影像采取迭代反投影方法进行超分辨率重建时,重建图像的强边缘存在锯齿效应,在分析了导向滤波算法原理后,本文提出了一种将上述算法引入迭代过程来处理图像误差的方法,以进一步提升图像的高频信息,提高图像的重建质量。选取同时间不同地物的遥感影像作为实验数据,实验结果表明,本文重建的结果与双三次插值方法、边缘导向插值方法和迭代反投影方法相比,在客观评价指标上均有提高,改善了重建影像的纹理细节。本文提出的超分辨率重建方法,可以使重建影像提供更多的高频信息,具有较好的稳定性和鲁棒性。  相似文献   

2.
利用无人机技术可以获取高分辨率影像。为了获取高精度的变换矩阵,提高影像匹配效率,本文对RANSAC算法进行了改进,加入影像的灰度信息进行约束,进一步剔除匹配粗差,最后采用均方根误差进行质量评判。为了验证算法的可靠性,选取一组山区影像和一组具有旋转偏角的建筑物影像进行验证。验证结果表明,匹配点粗差剔除率分别提高了15.15%和23.22%,本文算法的均方根误差较小,精度有显著的提高。  相似文献   

3.
在含有运动地物的“凝视”卫星视频影像超分辨率重建问题中,针对由于运动估计不准确导致的重建后运动物体存在“格网”和“拖尾”等问题,提出了顾及运动估计误差的运动场景超分辨率重建方法。首先,在MAP模型框架下分析了基于L1范数和L2范数的保真项对于运动估计误差的稳健性,引入稳健的M-估计作为保真项,自适应的减少运动估计误差对重建结果的影响;然后,分析了稳健估计条件下Tikhonov、TV、BTV正则项的重建效果;最后,提出了基于稳健估计的双边滤波超分辨率重建方法,用SkyBox和吉林一号的卫星视频数据验证本文方法。试验证明,本文方法对含有运动目标的卫星视频影像具有较好的重建效果,重建后动态和静态地物细节都得到提升,归一化方差和梯度能量指标都优于其他方法。试验表明了本文方法的可行性。  相似文献   

4.
朱红  宋伟东  谭海  王竞雪 《测绘学报》2016,45(9):1081-1088
鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。  相似文献   

5.
超分辨率图像重建过程就是对同一目标进行多次观测,获取多幅低分辨率影像,利用低分辨率影像求取目标的真实影像,即求取高分辨率影像的过程。这一过程与测绘领域中对同一对象进行观测,用测量平差求取对象最佳值的过程类似。本文尝试用测量平差的方法来解决超分辨率重建的问题。文中首先建立了超分辨率重建的积分型非线性平差模型,提出了用二次函数将平差模型中的积分函数参数化,用最小二乘平差方法求解。基于所提出的平差方法,制定了图像重建的具体策略。该方法可以定量分析成果的好坏,可以成功避免出现病态问题等。试验结果表明,相对于传统的超分辨率重建方法获得重建图像的视觉效果有较大的提高,而且其峰值信噪比及结构相似性指数也有很大的提高,因此方法可靠且可行。  相似文献   

6.
孙雷  张艳  徐青 《测绘科学》2007,32(4):23-24
近年来对遥感影像的研究大多针对多幅影像进行处理,但由于满足多幅重建的影像获取困难且算法复杂,本文提出了一种基于APEX算法的新的遥感影像高分辨重建方法,这种方法可以利用单幅影像进行重建,减轻了数据的获取和处理难度。采用spot-5影像进行了重建实验,结果表明,该方法能够有效地提高遥感影像的分辨率,从而达到改善影像质量的目的。  相似文献   

7.
由于遥感设备的性能限制,使得采集的遥感影像质量受到影响,低分辨率的遥感影像限制了遥感解译应用的精度。当前针对遥感影像的超分辨率重建研究仍然存在重建后的遥感影像地物全局信息和纹理细节不足的问题。因此,本文提出顾及全局特征和纹理特征的遥感影像超分辨率重建方法,该方法利用生成对抗网络的特征学习能力,并对模型全局和纹理进行增强。一方面,地物全局特征增强部分用于解决当前研究中超分辨率重建模型对低分辨率遥感影像中全局遥感地物信息没有重视和利用的问题。在生成网络中引入自注意力模块,以获取全局地物注意力图的方式将遥感影像中相距较远的地物信息作为重建过程的参考。另一方面,遥感影像纹理增强部分用于解决超分辨率重建模型中超分辨率影像纹理信息不足的问题。本文方法引入纹理损失以优化生成网络参数并增强超分辨率重建后影像中的纹理信息。另外,为避免重建结果中的“伪影”现象,研究采用权值归一化代替批量归一化方法。试验结果表明,本文方法在遥感影像超分辨率重建过程中能增强遥感地物特征,同时可以实现地物的纹理细节精细化恢复,而且超分辨率重建结果的图像质量评价指标SSIM、FSIM和PSNR值分别达到了0.756、0.595和...  相似文献   

8.
针对传统方法难以直接用大规模测量范围的移动球形全景影像较好地实现三维重建的问题,该文提出基于GPS改进的三维重建方法。采用增量式运动恢复结构算法,基于GPS改进了影像匹配,场景初始化和光束法调整等主要步骤,较好地加快了影像匹配速度,实现大规模影像数据集的EG图的有效构建;减少了两两匹配的误差对初始位姿估计的影响,实现更快更好的模型重建;采用基于GPS位置信息加权的光束法调整优化影像位姿和场景模型,实现三维重建尺度的准确恢复。实验结果表明,本文方法不仅有效地解决了传统增量式运动恢复结构算法在大规模重建过程中丢失影像的问题,还显著地提高了位姿估计效率,并且合理地优化了场景重建效果。  相似文献   

9.
本文应用SAR影像进行城市的3D重建。进行城市建模的数据来源通常是基于立体影像对或者机载激光扫描的密集点云,首先对本文主要工具SAR系统与这些标准机载数据进行比较。SAR影像采集的优势是不受地点和天气的影响,相比较低质量的几何的和无线电的数据,这是由于此系统具有侧视能力。航空影像或者LIDAR数据的低质量更增加了城市的自动3D数据采集的难度。基于这点,本文的方法是应用SAR影像进行变化检测和半自动建筑物的重建。为验证此方法,SAR模拟器结合已有3D矢量模型。用此方法,基于已有的3D城市模型模拟生成的SAR影像和真实影像用于变化检测。交互方式建立3D目标的形状,此3D目标的形状作为模拟器的输入数据,训练操作者解译SAR影像。另外,此方法还可以用于半自动的建筑物重建。  相似文献   

10.
由于计算机内存的限制,遥感影像的超分辨率重建一般采用分块算法进行处理,重建后的影像由于亮度、反差分布不均匀很难实现无缝拼接。针对超分辨率重建影像无重叠、规则大小的特点,本文提出了一种改进的加权Wallis匀光算法。该方法采用一种新的影像调整顺序,并使用加权法计算匀光参数,可以减少影像调整时误差的空间传递和累积,避免过度计算造成影像信息损失。最后,采用本文方法对900幅超分辨率重建后的资源三号影像进行匀光处理。试验结果表明:该方法能够使大幅面超分辨率重建影像达到亮度、反差一致性,取得了较好的匀光效果,达到了消除拼接缝的目的。  相似文献   

11.
针对传统压缩感知信号重构仅实现对原始图像的复原和逼近,无法实质性提高影像分辨率问题,该文提出一种非退化的压缩感知超分重构方法。从图像传感器的结构分析数字影像的稀疏特性,进而以插值图像为指导,采用非线性的压缩感知优化重建方法,实现了非退化的单帧图像超分辨率重建。研究表明:该文方法改变了影像采集的过程和途径,弥补了传统压缩感知信号重构无法实质性提高影像分辨率的缺陷,且其重建图像的视觉效果及定量指标均优于传统插值法。  相似文献   

12.
月面起伏较大导致嫦娥一号CCD多视影像之间的形变是非刚性的,传统的基于仿射变换配准的超分辨率重建方法很难取得理想的效果。本文提出了一种新的基于光流配准的超分辨率重建方法,该方法采用双边总变分(bilateral total variation,BTV)超分辨率重建方法迭代求解高分辨率影像,迭代初始值由光流配准后的多视影像共同产生,并在迭代求解高分辨率影像的过程中更新光流场。实验结果表明,本文方法解决了嫦娥一号CCD多视影像超分辨率重建中的亚像素精确配准问题,重建影像的空间分辨率显著提高,细节分辨能力增强。  相似文献   

13.
完整的长时间序列遥感数据是大尺度环境监测工作顺利完成的重要保证。本文选取2007年1月至2010年12月南海北部MODIS海表叶绿素a浓度月平均遥感影像为基础数据,利用地统计的Kriging空间插值方法对月平均影像中的缺失数据进行插补,并从多个角度对插补结果进行分析和评价。结果表明:Kriging方法的插值结果能突出研究海域海表叶绿素a浓度一定时期的特殊变化,在一定程度上也能体现研究海域海表叶绿素a浓度的时空变化规律;但是Kriging方法空间插值操作复杂,精度较低,可变性估计不足,均方根误差平均值为0.459 8,标准化均方根误差的平均值为2.608 2。  相似文献   

14.
针对传统遥感影像超分辨率重建方法依赖同一场景多时相图像序列且需预先配准等缺点,本文提出了一种基于密集卷积神经网络的遥感影像超分辨率重建的方法。该网络直接将低分辨率遥感影像作为网络的初始输入,通过密集卷积神经网络学习影像的高阶表示,获得更具有表达能力的深层特征;同时,在网络中采用并行的1×1卷积滤波器结构,通过该结构减少模型参数;在重建网络中使用亚像素卷积可以更快地实现特征图的重建。在UCMerced_LandUse公共数据集上的实验表明:本文的网络模型提升了传统深度网络的影像重建性能,增强了重建图像的纹理细节并改善影像边缘失真,提升了重建影像的性能。  相似文献   

15.
本文分析了JPEG2000压缩算法的基本原理,对某地区的数字航空遥感影像进行了压缩试验,通过比较不同压缩比下各种评价指标的变化,来研究JPEG2000压缩算法对重建影像构像质量的影响,评价结果表明压缩比的增加,重建影像灰度平均值、标准方差和信息熵在一定范围内波动;同时,随着压缩比的增加,重建影像纹理越来越粗,视觉效果降低,并且重建影像与原始影像的一致性程度降低,差别越来越大。  相似文献   

16.
高分二号(GF-2)卫星几何精纠正是其广泛应用的前提。以福州市作为实验区,选择北斗卫星导航系统(北斗)和GPS野外测量获取控制点和检查点,采用像方平移、像方漂移和像方仿射变换3种方法对有理函数模型进行误差补偿,验证分析控制点测量精度、分布、数目以及纠正方法对GF-2全色影像纠正的影响,并分析了北斗应用于GF-2全色影像正射纠正的潜力。实验结果表明:少量分布均匀的控制点就可以消除GF-2全色影像纠正后的系统几何误差;3种纠正方法中像方仿射变换方法精度最高,其中GPS控制测量下检查点平面均方根误差为1.49 m,北斗RTK控制测量下检查点平面均方根误差为1.51 m,GPS与北斗RTK控制测量下的影像纠正精度接近;北斗2种测量模式中,只有RTK模式能够满足GF-2全色影像纠正需求。上述研究表明,GF-2全色影像能够利用GPS和北斗RTK模式控制测量下的少量分布均匀高精度控制点达到较高纠正精度,满足实际应用需求。  相似文献   

17.
近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0~20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2~0.7 m),多元线性回归模型次之(均方根误差范围为0.3~0.8 m),对数比值模型精度最低(均方根误差范围为0.6~1.1 m)。  相似文献   

18.
一种自适应正则MAP超分辨率重建方法   总被引:5,自引:0,他引:5  
提出了一种简单、通用的基于自适应正则化技术的MAP超分辨率重建新方法,该方法可以自适应地选择正则化参数,并充分利用中间重建结果的信息,不断对其进行更新,通过迭代过程得到最终的重建影像。利用模拟序列影像和真实序列影像分别对本文方法进行了验证,结果表明,本文方法可以根据不同影像序列的特点,自适应确定相应的正则化参数,并能找到最优解,适用性较强。  相似文献   

19.
在基于倾斜影像的城市场景重建过程中,由于获取影像时存在场景遮蔽和大视点变化的情况,建筑物立面等区域存在着影像密集匹配点云稀疏甚至空洞的情况,自动化重建难度大,难以反映建筑物的真实形态。本文提出了一种新的基于倾斜影像的城市场景隐式曲面重建方法:首先,以倾斜影像密集匹配点云为基础建立Delaunay四面体;然后,对Delaunay四面体进行约束图割,提取出可视化的三角面,进而更加精确地估计点云的法向信息;最终,结合Screened Poisson曲面重建,实现了城市场景的隐式曲面重建。通过多种隐式曲面重建方法的对比试验,验证了本方法的准确性和适用性。  相似文献   

20.
由于中高分辨率遥感影像数据时序性不强,分类过程中无法准确记录地物的时序特征。为增加地物时序变化特征,本文使用时空融合模型重建高时序高分辨率遥感影像,分析加入时相特征对分类结果的影响。以河北省石家庄市中部地区为例,本文采用3种时空融合模型重建高时序的30 m分辨率的遥感影像,增加影像时序分类特征,采用随机森林对年度重建时序影像分类,分析不同重建时序影像数量和不同时间跨度对分类结果的影响。试验表明,通过重建年度时序影像分类比单一影像分类精度增强;分类精度随着时序影像数量增加而增大,当时序影像数量选定为12景,也就是1月1景时,分类精度趋于稳定;不同时间段对分类结果影像程度不同,引入植被变化期间的时序影像,分类精度最高。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号