超高分辨率影像对国家安全、国民经济、科学研究和人民生活等有重大的需求。传统规则采样获取超高分辨率影像方法因受到影像传感器密度有限增加的限制而受阻。本课题提出了混叠观测特征解耦的非规则采样获取超高空间和时间分辨率影像方法。将影像获取问题归结为混叠压缩观测和特征优化求解问题。主要研究内容混叠观测与解耦成像的数学模型;混叠观测影像的数学模型和物理方法;基于多空间变换的图像多特征优化解耦。创新点突破传统规则采样,提出了混叠观测与特征解耦的非规则成像方法,实现用低密度低速率影像传感器获取时空超高分辨率影像;提出了运动随机曝光的非规则影像观测方法;提出了基于影像内外相似性的信号分析工具和基于任意方向滤波器组的多空间联合稀疏表示方法及优化重建方法。本课题预期在理论上有突破,技术上有创新,将为超高时空分辨率影像的获取和新一代超高分辨率遥感成像仪的研制奠定理论和技术基础,并将丰富和发展信号处理理论。
high resoultion;image acquiring;compressive sensing;aliasing measuring;characteristic modeling
本项目主要研究了混叠观测特征解耦的非规则采样超高分辨率影像获取方法和关键技术。(1)混叠观测成像模式研究通过对混叠观测过程及其物理特性的定量分析,提出了基于运动随机曝光的成像新机制,在几乎不改变原有光学和机械结构的前提下,大幅提升了成像的空间分辨率;针对推扫式遥感成像,提出一种基于低密度探测器获取高空间分辨率的成像方法;针对传统多光谱视频成像方法存在成像质量差、成本高、易产生压缩失真等问题,提出一种基于压缩感知的双通道多光谱视频成像方法,显著提升了多光谱影像获取效率、质量和稳定性。(2)优化解耦方法研究针对现有方法没能很好地挖掘图像的非局部相关性问题,提出基于结构聚类的图像稀疏表示及重建方法,通过利用图像的非局部冗余信息构造非局部中心化稀疏模型,使编码噪声达到最小;为克服全变差正则化易产生光滑边缘的问题,提出基于加权的全变差图像模型和基于低秩逼近的组稀疏编码算法, 在同类算法中获得了领先的图像重建效果;(3)多空间变换的优化解耦研究针对固定字典不能刻画丰富的图像局部结构信息的问题,提出采用图像自回归模型来构建自适应的稀疏空间,结合图像结构分类技术来提升模型的精度,并构建了相应的重建算法;提出从训练集自适应选择最佳字典进行稀疏表示的方法,大大提升了图像重建效果。