RAISR算法在遥感图像超分辨率重建中的可行性

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。

基于图像局部信息聚类的增强RAISR超分辨率算法

在信息水平高度发达的今天,图像是信息承载的主要方式之一,人们对于高质量图像的需求也日益增加,然而在手机、电视等设备中难以运行复杂度高的超分辨率算法,因此需要一个快速、精确的超分辩率算法来集成到低性能的图像显示设备中。提出的方法是在RAISR算法的基础框架上,引入图像局部信息聚类的方法,在不过多增加算法复杂度的前提下增强RAISR方法的超分辨率质量,并且在Set5和Set14两个数据集上得到验证。

水利污染遥感监测方法的设计与仿真研究

当前的水利污染遥感监测方法未预处理水利遥感图像,导致污染特征提取结果出现较大误差,污染监测结果不理想。提出一种基于RAISR算法的水利污染遥感监测方法。通过无人机航空遥感系统获取水利遥感图像,采用RAISR算法预处理水利遥感图像,根据训练图像在学习阶段形成滤波器,基于此重建水利污染遥感图像。同时绘制水利遥感图像的直方图,通过最大累间方差法确定阈值,计算获取模型的基本参数,利用EM算法反复迭代直至输出最终参数。通过高斯混合模型计算t-link权重,分割水利遥感图像,提取水利污染遥感特征,实现水利污染的遥感监测。仿真结果表明,所提方法的水利污染监测精度较高,为水利污染的治理提供可靠依据。