

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、光譜圖像以其“譜圖合一”的成像特點在遙感探測和國防安全等領(lǐng)域有著非常重要的實際應(yīng)用。在實際成像過程中由于硬件設(shè)備故障、成像傳感器性能有限等原因使得獲得的光譜圖像存在數(shù)據(jù)丟失、分辨率不足等降質(zhì)問題,嚴重影響了光譜圖像的后續(xù)處理和使用。為了獲得清晰、高分辨率的光譜圖像,近年來眾多學者研究如何從低質(zhì)量光譜圖像中對高質(zhì)量光譜圖像進行恢復,但是現(xiàn)有的光譜圖像恢復方法仍然主要采用傳統(tǒng)的全變差、離散余弦變換等灰度圖像表示方法,無法有效利用光譜圖像的空
2、間和譜間相關(guān)性,從而導致獲得的恢復精度有限。
在此研究背景下,本文從光譜圖像先驗知識的分析和挖掘入手,圍繞光譜圖像恢復模型中正則項具有至關(guān)重要作用的特點,對如何結(jié)合光譜圖像先驗特性建立高效正則約束進行研究。本文的主要工作和貢獻點在于:
1.通過對光譜圖像先驗特性進行深入挖掘,指出了光譜圖像的二維空間和一維譜間相關(guān)性最終表現(xiàn)為整個三維數(shù)據(jù)上的非局部自相似性,并且經(jīng)過統(tǒng)計分析發(fā)現(xiàn),光譜圖像的非局部自相似三維圖像塊構(gòu)成的矩
3、陣具有潛在的低秩特性。
2.針對傳統(tǒng)光譜圖像恢復方法沒有對光譜圖像的先驗知識進行充分利用,難以恢復出高質(zhì)量的光譜圖像這一問題,本文在核范數(shù)矩陣低秩逼近模型基礎(chǔ)上提出一種基于Schatten-p范數(shù)低秩逼近的光譜圖像恢復方法。其基本思想是,首先在三維圖像分塊框架下以歐式距離為準則對光譜圖像進行非局部自相似三維圖像塊匹配,然后根據(jù)光譜圖像非局部自相似圖像塊的先驗低秩特性建立高效正則約束,通過利用Schatten-p范數(shù)對矩陣的秩進
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于低秩矩陣逼近的圖像恢復方法研究.pdf
- 基于稀疏表示與低秩逼近的高光譜圖像重建.pdf
- 基于三維全變差和矩陣低秩逼近的高光譜圖像重建.pdf
- 矩陣低秩逼近在圖像壓縮中的應(yīng)用.pdf
- 基于稀疏表示和低秩逼近的SAR圖像降斑.pdf
- 基于低秩矩陣恢復的高光譜圖像去噪與降維算法研究.pdf
- 基于低秩矩陣恢復的圖像去噪算法研究.pdf
- 基于低秩稀疏分解的心肌灌注動態(tài)PET圖像恢復.pdf
- 基于低秩表示的高光譜圖像解混算法研究.pdf
- 基于矩陣低秩逼近的動態(tài)MRI重建.pdf
- 基于非局部相似和低秩矩陣逼近的SAR圖像去噪.pdf
- 編碼孔徑高光譜圖像的低秩重建方法.pdf
- 低秩Hankel矩陣逼近及其加權(quán)逼近的算法.pdf
- 基于投影替代與矩陣低秩稀疏分解的多光譜圖像融合.pdf
- 基于低秩矩陣填充與恢復的圖像去噪方法研究.pdf
- 低秩矩陣恢復在醫(yī)學圖像配準中的應(yīng)用.pdf
- 基于低秩矩陣恢復的視頻修復研究.pdf
- 基于低秩子空間恢復人臉識別算法.pdf
- 基于稀疏表示和低秩表示的高光譜圖像波段選擇方法研究.pdf
- 基于非局部均衡低秩矩陣恢復的單幅圖像超分辨率算法.pdf
評論
0/150
提交評論