检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:康军梅 隋立春[1,2] 李丽[1] 杨振胤 丁明涛 王君[1] KANG Junmei;SUI Lichun;LI Li;YANG Zhenyin;DING Mingtao;WANG Jun(Chang'an University,Xi'an 710054,China;National Geographic Condition Monitoring National Mapping Geographic Information Bureau Engineering Center,Xi' an 710054,China)
机构地区:[1]长安大学,西安710054 [2]地理国情监测国家测绘地理信息局工程中心,西安710054
出 处:《计算机工程与应用》2018年第16期187-191,共5页Computer Engineering and Applications
基 金:国家自然科学基金(No.41372330);国家自然科学基金青年基金项目(No.41601345)
摘 要:为了通过软件方式增强遥感影像的空间分辨率,提出了一种基于双稀疏度K-SVD字典学习的遥感影像超分辨率重建算法。基于稀疏表示理论,利用K-SVD字典学习算法求解低分辨率字典及其稀疏系数,将稀疏系数传递至高分辨率字典学习空间,形成高、低分辨率字典对,重建得到高分辨率遥感影像,并在字典学习和稀疏重建两个阶段设置了不同的稀疏度。实验分别采用TM5影像、资源三号影像以及USC_SIPI图像库中的遥感影像进行重建,结果表明,不论重建影像有无噪声,所提算法的峰值信噪比和结构相似指标均高于Bicubic法以及Zeyde的算法。K-SVD和双稀疏度参数的引入,不仅减少了字典学习时间,且具有高的空间分辨率提升能力。In order to enhance the spatial resolution of remote sensing images by software,this paper proposes a remote sensing image super-resolution reconstruction algorithm based on double-sparse K-SVD dictionary learning.Based on the sparse representation theory,the K-SVD dictionary learning algorithm is used to solve the low resolution dictionary and its sparse coefficient.The sparse coefficient passes to the high-resolution dictionary learning space to form high and low resolution dictionary pairs and reconstruct high-resolution remote sensing images.In the dictionary learning and sparse reconstruction stages,different degrees of sparseness are set.The experiments are respectively carried out,using TM5 image,resource No.3 image and remote sensing image in USC_SIPI image library to reconstruct.The results show that the regardless of whether the reconstructed image is noisy,the peak signal-to-noise ratio and similarity of the algorithm are higher than those of Bicubic and Zeyde.The introduction of K-SVD and double-sparse parameters not only reduces dictionary learning time,but also has high enhancement capability of spatial resolution.
分 类 号:P237.3[天文地球—摄影测量与遥感] TP751[天文地球—测绘科学与技术]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.117