基于稀疏先验的图像分辨率增强方法研究-WIMS.PPT

* 4. 处理结果 二、已做的工作 原分辨率为1m的卫星图象 超分辨处理的结果 原分辨率为1m的卫星图象 超分辨处理的结果 原分辨率为1m的卫星图象(经过放大、色阶调整) 原分辨率为1m经过超分辨处理后的图象(经过色阶调整) （2）抑制噪声的处理结果 第三组 放大的低分辨率图象128×128 处理后的图象256×256 频域法处理多帧低分辨率图象（16帧）的结果 （3）多帧超分辨处理结果 频域法处理低分辨率噪声模糊图象的结果 (16帧) 放大的低分辨率模糊图象128×128 处理后的图象256×256 放大的低分辨率噪声图象128×128 处理后图象256×256 SNR= 22.18dB SNR= 16.59dB 放大的低分辨率模糊图象128×128 处理后的图象256×256 放大的低分辨率噪声图象128×128 处理后图象256×256 报 告 提 要 一、数学成像 二、已做的工作 三、几个问题 * 1、 降质过程辨识 2、超分辨的概念 3、采样与重构（病态问题） * 三、几个问题 上天的相机在地面经过严格的测试，按航天的标准在做，为什么回来的图像质量不尽理想？ 以前是分开考虑，如提高相机分辨率，考虑压缩、信噪比等，没有从全链路的角度和观点来研究。 * 背景 三、几个问题—降质过程辨识 考虑从 成像全链路主要误差因素的影响分析与仿真 成像全链路主要误差因素的物理建模与数学建模 两方面出发来实现 基于全链路误差分析的系统优化与指标分配 基于全链路误差建模的后处理方法提高质量 思路 三、几个问题—降质过程辨识 技术途径 指标分配方案 全链路主要误差分析及仿真 主要误差对图像质量的影响 主要误差对后处理效果的影响 正过程：认识误差传播规律 对系统主要误差的指标要求 系统对成像后图像的指标要求 系统对处理后图像的指标要求 逆过程：反演误差传播规律 三、几个问题—降质过程辨识 * 三、几个问题—超分辨的概念 搞系统设计的与搞处理的对于超分辨理解的不同，如何从数学上表述清楚。 * 三、几个问题—采样与重构 1、CCD采样面临由高分辨率所带来的幅宽和行速率等问题 幅宽问题: 以0.1米分辨率成像为例，假设一个CCD线阵的阵元数为8000个，要实现20km幅宽的成像，需要25个线阵的拼接。 行速率问题: 以0.1米分辨率成像为例， 需要的行速率将达到70kHz，而目前市场上CCD线阵的行速率一般只能达到20kHz。 高分辨率是星载遥感成像技术的发展趋势，传统光学成像难以满足高分辨率的需求 * 三、几个问题—采样与重构 1、CCD采样面临由高分辨率所带来的幅宽和行速率等问题 2、海量数据在轨处理、存储和传输是高分辨率成像的瓶颈 美国成像侦察卫星“锁眼12” , 分辨率为0.1m，对8km×8km的地面区域成像, 原始数据量达到6.4GB, 要求达到至少1Gbps传输速率。 “过量”采数据， “超大”计算 ， “大量”丢弃数据 高分辨率是星载遥感成像技术的发展趋势，传统光学成像难以满足高分辨率的需求 * 三、几个问题—采样与重构 1、CCD采样面临由高分辨率所带来的幅宽和行速率等问题 2、海量数据在轨处理、存储和传输是高分辨率成像的瓶颈 3、现有成像方式的数据利用率低 对于军事应用而言，有价值的往往只是一幅大场景中的小部分信息，且应用效果受系统固有分辨率的制约, 造成数据的利用率低。 高分辨率是星载遥感成像技术的发展趋势，传统光学成像难以满足高分辨率的需求 * 三、几个问题—采样与重构 现有光学遥感成像系统 Shannon采样定理 采样频率 2?信号带宽 理论基础 现有星载遥感成像系统的理论基础是香农采样定理， 该定理要求采样频率大于2倍信号带宽，导致数据海量、 星上系统复杂和数据利用率低等问题 * 三、几个问题—采样与重构 数学界提出了“压缩采样原理 ” 以少量采样数据精确重构原信号, 实现图像的高分辨率, 可以大大减少采样, 降低系统存储、处理和传输的压力 基于压缩采样还可以实现智能信息感知，包括变分辨率、变视场成像，成像与信息提取一体化。 针对上述问题，需要在采样理论上进行突破 * 三、几个问题—采样与重构 1）减少采样数据 2）降低系统复杂度和CCD的技术难度 3）缓解星上数据处理、存储和传输的压力 4）实现智能感知，提高数据的利用率 基于压缩采样的成像系统有望： * 三、几个问题—采样与重构 带 限 点态采样 线性重构 压缩采样突破香农采样定理的限制，利用信号表示的稀疏性，可以在远低于Nyquist采样率的条件下完全重构原信号。 稀疏表示 投影测量 非线性