基于多結(jié)構(gòu)和多尺度的微波輻射圖像重構(gòu)方法研究.pdf

1、隨著微波遙感技術(shù)廣泛應(yīng)用在土壤水分研究、軍事目標探測、射電天文、海洋監(jiān)測、資源開發(fā)、環(huán)境保護等很多領(lǐng)域，傳統(tǒng)的微波輻射計受限于空間分辨率較低，已經(jīng)無法滿足微波遙感精細化、復(fù)雜化的發(fā)展要求。為解決微波輻射圖像的空間分辨率與系統(tǒng)硬件成本高的矛盾，引入壓縮感知理論，充分挖掘微波輻射圖像的稀疏結(jié)構(gòu)先驗特征，研究多結(jié)構(gòu)混合稀疏基字典學習重構(gòu)方法。同時考慮到微波輻射圖像具有局部與整體的自相似性，能夠?qū)崿F(xiàn)分形可壓縮，在稀疏基字典學習的基礎(chǔ)上又提出基于

2、多尺度分形字典的拼貼重構(gòu)方法。論文的研究內(nèi)容如下：
　　1.分析綜合孔徑微波輻射成像系統(tǒng)的優(yōu)缺點，介紹壓縮感知理論模型，針對傳統(tǒng)綜合孔徑微波輻射計存在的一系列問題，構(gòu)造基于壓縮感知的微波輻射成像系統(tǒng)。通過挖掘微波輻射圖像的結(jié)構(gòu)特征，獲取稀疏先驗信息，在不影響信號還原的前提下，充分壓縮信號，降低信號的采樣率。壓縮感知主要包括信號的觀測、信號的稀疏表示和信號的重構(gòu)。重點研究了信號的稀疏表示及信號重構(gòu)。
　　2.微波輻射圖像的復(fù)雜

3、特征信息很難用單一正交稀疏基字典進行稀疏表示，利用K-SVD字典學習算法，能夠?qū)D像的稀疏性結(jié)構(gòu)特征更好的挖掘出來，提高字典的稀疏表示能力，使具有復(fù)雜結(jié)構(gòu)特征的微波輻射圖像更好的被表征。通過差分變換和小波變換，將圖像信號轉(zhuǎn)移到差分域和小波域上。在此基礎(chǔ)上，提出基于多結(jié)構(gòu)的混合正交稀疏字典學習的微波輻射圖像重構(gòu)方法。實驗結(jié)果表明，本文提出的算法重構(gòu)圖像效果要比DLMRI算法和GradDLRec算法的重構(gòu)質(zhì)量好。
　　3.根據(jù)微波輻射

4、圖像具有的自相似性結(jié)構(gòu)特征，引入分形圖像編碼方法。介紹分形幾何及其相關(guān)的數(shù)學理論。詳細闡述了分形圖像重構(gòu)的編碼過程和解碼過程。由于微波輻射圖像具有分段過平滑和細節(jié)信息豐富的結(jié)構(gòu)特征，傳統(tǒng)的單一尺度分形編碼很難拼貼重構(gòu)出相似度高的圖像，本文提出了多尺度分形編碼拼貼重構(gòu)微波輻射圖像，即不再采用固定劃分的單一分形基字典，而是構(gòu)造多尺度的混合分形基字典，能夠更好的與R塊進行最優(yōu)匹配，拼貼出相似度更高的微波輻射圖像。由實驗結(jié)果可以看出，本文提出的