论文部分内容阅读
在我国十九大“陆海统筹”和十三五“绿色发展”的指导思想下,对海洋信息的探测以及对环境污染的监测是科技创新的主战场,而相关图像和视频的获取与处理是其中重要的组成部分。然而,面对漆黑的深海与无色的污染,普通的影像设备无法拍摄探测目标,而成像声呐与成像光谱仪则可以完成将其可视化的任务。因此,以声呐图像与高光谱图像为对象的研究具有重要意义。由于成像原理的限制,声呐图像和高光谱图像分别存在着严重的退化问题:回波干涉形成的斑点噪声污染、以及成像光谱仪为保证光子能量而牺牲的空间分辨率。针对以上问题,基于压缩感知（Compressed Sensing,CS）和张量表示理论,本文以探测“不可见”信息为动机,选择声呐图像和高光谱图像为研究对象,从噪声抑制和超分辨两大方面开展图像质量提升工作,并且按照信号维度的递增顺序,将研究扩展到相应的视频信号上。主要研究工作包含以下内容:第一,针对现有声呐图像去噪算法忽略图像稀疏性的问题,本文基于声呐乘性噪声模型,提出了一种基于压缩感知的斑点噪声抑制方法。首先在稀疏表示过程中,利用过完备字典表示声呐图像,并提出一种面向声呐斑点噪声抑制的正交匹配追踪算法（Sonar Despeckling Orthogonal Matching Pursuit,SDOMP）更新稀疏系数;其次在更新字典过程中,提出了面向声呐斑点噪声抑制的奇异值分解算法（Sonar Despeckling K-SVD,SDK-SVD）,将约束项的分母作为奇异值分解的权重函数,更新字典原子;最后在图像重构过程中,利用更新后的字典与稀疏系数获取去噪后的声呐图像。本文分别在测试图像和实际声呐图像上与现有的主流斑点噪声抑制算法进行对比实验,结果表明,本文提出的算法在信噪比等五项定量评价指标上均优于其它算法,在主观视觉感受对比上也具有较好的斑点噪声抑制效果。第二,针对声呐视频斑点噪声抑制过程中如何对帧间信息进行有效利用的问题,本文将上一项研究内容的工作在时间维度上进行扩展,引入张量模型,提出一种基于压缩感知和张量模型的斑点噪声抑制算法。首先,在稀疏表示阶段引入了张量模型对声呐视频进行“一体化”描述,利用秩1张量字典对视频块进行表示,提出了一种基于CP张量分解的正交匹配追踪算法（CP Tensor decomposition-based OMP,CP-OMP）对视频块进行稀疏编码;其次,在更新字典阶段,利用CP张量分解代替传统的K-SVD来对张量字典进行更新;最后,通过更新后的张量字典与稀疏系数向量得到去噪后的声呐视频。本文在实际声呐视频数据上与现有的主流斑点噪声抑制算法进行了对比实验,从客观的斑点噪声方差与主观的视觉感受两项指标上看,本文提出的算法均得到了较好的去噪效果。第三,针对现有高光谱图像超分辨（Super-resolution,SR）算法对高空间分辨率图像（如全色图像等）的依赖问题,本文提出一种基于压缩感知和序列信息的高光谱图像超分辨算法。首先,基于CS理论,利用低分辨率图像序列训练低分辨率字典与稀疏系数;然后使用凸集投影（Projection onto Convex Sets,POCS）算法将低分辨率字典原子进行融合,迭代得到高分辨率字典;最后利用高分辨率字典与稀疏系数得到高分辨率图像。本文分别在测试图像和实际高光谱图像上与现有的主流算法进行对比实验。实验结果证明,本文提出的算法在信息熵（Information Entropy,IE）等五项主客观指标上均有较优的表现。在此基础上,针对超分辨过程中引入冗余信息的问题,提出一种基于张量块重排序的感兴趣区域提取方法,实验结果表明该算法与传统的Zig-zag扫描排序法相比有更好的性能。第四,针对高光谱视频的高维度表征与低空间分辨率问题,本文将第三项研究内容的工作在时间维度上扩展,引入四阶张量模型,提出一种基于压缩感知和叠加张量分解模型的高光谱视频超分辨算法。首先,将高光谱视频利用四阶张量进行描述,提出一种基于叠加张量CP分解（Cumulative Tensor CP Factorization,CTCF）的关键帧检测算法。其次,基于CS理论,提出一种基于稀疏张量Tucker分解（Sparse Tensor Tucker Factorization,STTF）的超分辨算法,利用稀疏张量表示来分解高光谱视频帧,在三个维度分别训练字典;最后,利用三个字典与核张量计算得到高分辨率视频帧。本文在实际高光谱视频数据上进行对比实验,结果表明,在ROC（Receiver Operating Characteristic）曲线等五项主客观评价指标的对比中,本文提出的算法在高光谱视频的检测与增强方面均优于主流算法。通过上述研究,本文将压缩感知理论与张量表示模型应用于两种重要的探测“不可见”信息的图像质量提升方法之中,并利用时间维度信息,进一步完成了对相应视频信号的质量提升工作。本文提出的方法在提升了算法有效性的同时,扩展了应用范围,增加了算法的实用性。