工學(xué)試講圖像復(fù)原與超分辨重建

工學(xué)試講圖像復(fù)原與超分辨重建主要內(nèi)容1聚類分析的相關(guān)概念2層次聚類法3k-均值聚類法4ISODATA法（迭代自組織數(shù)據(jù)分析法）5核函數(shù)聚類法1聚類分析的相關(guān)概念對(duì)一批沒有標(biāo)出類別的模式樣本集，在沒有訓(xùn)練樣本情況下，按照樣本之間的相似程度分類，相似的歸為一類，這種分類稱為聚類分析，也稱為無監(jiān)督分類。聚類分析定義：影響聚類結(jié)果的因素特征的選取相似性測(cè)度聚類準(zhǔn)則相似性測(cè)度目的：為了能將模式集劃分成不同的類別，必須定義一種相似性的測(cè)度，來度量同一類樣本間的類似性和不屬于同一類樣本間的差異性。歐氏距離設(shè)x和y為兩個(gè)模式，其歐氏距離定義為：D=||x-y||馬氏距離設(shè)x是模式向量，m是均值向量，C為模式總體的協(xié)方差矩陣，則馬氏距離的表達(dá)式：聚類準(zhǔn)則1、誤差平方和準(zhǔn)則：

將樣本分成c個(gè)子集D1,…,Dc，ni為第i個(gè)子集的樣本數(shù)，mi為樣本均值：

誤差平方和準(zhǔn)則：2.散布矩陣類內(nèi)散布矩陣：類間散布矩陣：總體散布矩陣：幾種基于散布矩陣的散布準(zhǔn)則2層次聚類法Step1：每個(gè)樣本為一類。Step2：最近的兩類合并。直到到達(dá)所設(shè)類別數(shù)或只剩一類?；驹韺哟尉垲愂疽鈭D層次聚類的相關(guān)問題應(yīng)分幾類？?jī)深惖木嚯x？最近距離：最遠(yuǎn)距離：平均距離：層次聚類的特點(diǎn)層次聚類不用初始化聚類中心，因此聚類結(jié)果不受初始聚類中心的影響；需要定義類別之間的相似性度量；當(dāng)樣本數(shù)比較多時(shí)，算法的計(jì)算量比較大。聚類結(jié)果是對(duì)平方誤差準(zhǔn)則函數(shù)的貪心優(yōu)化結(jié)果。3k-均值聚類法參數(shù)初始化：樣本數(shù)n，聚類數(shù)c，初始聚類中心m1,…,mc；執(zhí)行i)按照最近鄰mi分類n個(gè)樣本；

ii)重新計(jì)算聚類中心m1,…,mc；直到mi不再改變；k-均值聚類的特點(diǎn)k-均值算法可以看作是對(duì)平方誤差準(zhǔn)則函數(shù)的貪心搜索算法；聚類結(jié)果受初始聚類中心的選擇影響很大，不同的初始聚類中心會(huì)導(dǎo)致不同的聚類結(jié)果。如果模式樣本可以形成若干個(gè)相距較遠(yuǎn)的孤立的區(qū)域分布，一般都能得到較好的收斂效果。K-均值算法比較適合于分類數(shù)目已知的情況。4ISODATA法與K-均值算法的比較考慮了類別的合并與分裂，最近的兩類合并，類內(nèi)方差大，樣本數(shù)多的類別進(jìn)行分裂。K-均值算法通常適合于分類數(shù)目已知的聚類，而ISODATA算法則更加靈活；從算法角度看，ISODATA算法與K-均值算法相似，聚類中心都是通過樣本均值的迭代運(yùn)算來決定的；ISODATA算法加入了一些試探步驟，并且可以結(jié)合成人機(jī)交互的結(jié)構(gòu)，使其能利用中間結(jié)果所取得的經(jīng)驗(yàn)更好地進(jìn)行分類基本算法步驟（1）選擇某些初始值，包含類別數(shù)、各類別中心以及各類別的初始聚類。（2）計(jì)算各類中諸樣本的距離指標(biāo)函數(shù)。（3）按給定的要求，將前一次獲得的聚類集進(jìn)行分裂和合并處理，從而獲得新的聚類中心。（4）重新進(jìn)行迭代運(yùn)算，計(jì)算各項(xiàng)指標(biāo)，判斷聚類結(jié)果是否符合要求。經(jīng)過多次迭代后，若結(jié)果收斂，則運(yùn)算結(jié)束。博士期間主要工作1、基于前后向擴(kuò)散的圖像去噪與增強(qiáng)技術(shù)2、基于頻譜擴(kuò)展與補(bǔ)償?shù)膯螏直婕夹g(shù)3、兩幀至多幀頻域解混疊超分辨技術(shù)4、改進(jìn)的PoissonMAP超分辨重建技術(shù)5、改進(jìn)的POCS超分辨重建技術(shù)6、PMAP/POCS融合超分辨重建技術(shù)7、基于BPNN與RBF的超分辨重建技術(shù)8、提出一種發(fā)光標(biāo)志器光學(xué)強(qiáng)度的計(jì)算方法（利用平面積分，柱面積分和圓錐積分從接收到的平面圖像像素灰度值來計(jì)算遠(yuǎn)處標(biāo)志燈的發(fā)光強(qiáng)度）。參與項(xiàng)目作為主要成員之一，參與了總裝“十一五”預(yù)研項(xiàng)目“遙感圖象超分辨處理技術(shù)”的研究，主要負(fù)責(zé)其頻空域超分辨重建技術(shù)的開發(fā)研究及其算法軟件模塊的設(shè)計(jì)和調(diào)試。作為主要成員之一，參與了總裝項(xiàng)目“遙感圖象復(fù)原及信息增強(qiáng)處理系統(tǒng)”的立項(xiàng)工作，主要負(fù)責(zé)單幀圖象復(fù)原與超分辨處理算法及軟件模塊的編制和調(diào)試等工作。作為成員之一，參與了國(guó)家921二期工程關(guān)鍵項(xiàng)目——交會(huì)對(duì)接CCD光學(xué)成像敏感器目標(biāo)標(biāo)志器及相機(jī)窄帶干涉濾光片的研制，從事電、光、機(jī)設(shè)計(jì)中數(shù)據(jù)處理算法的研究、計(jì)算分析及試驗(yàn)驗(yàn)證工作。1.圖像超分辨重建的概念和理論基礎(chǔ)

圖象超分辨重建技術(shù)是指由一幀或多幀同一目標(biāo)的低分辨率圖象來重建一幀高分辨率圖象的技術(shù)，它不改變成像系統(tǒng)的硬件。

一幀或多幀LRIs超分辨重建圖像超分辨算法退化過程HR圖象超分辨的概念提高圖象分辨率的兩個(gè)途徑：改善硬件設(shè)備和超分辨重建。(4)先驗(yàn)信息亞像素位移(3)亞像素位移(2)頻譜混疊理論(1)解析延拓理論

若解析函數(shù)在某一有限區(qū)間上的取值已知，就會(huì)處處已知。理論基礎(chǔ)(1)．視頻監(jiān)控領(lǐng)域(2)．軍事遙感偵察領(lǐng)域(3)．資源與環(huán)境的遙感應(yīng)用領(lǐng)域(4)．醫(yī)學(xué)成像領(lǐng)域(5)．其它領(lǐng)域應(yīng)用領(lǐng)域2.基于頻譜擴(kuò)展與補(bǔ)償?shù)膯螏直婕夹g(shù)振鈴出現(xiàn)的原因N-1kln[F(k)]N/20………2N-1Nk3N/2N/20……ln[G(k)](a)F(k)(非欠采樣)(b)G(k)(P=2)ln[G1(k)]k0N-12N-1N/2-13N/2……N-1N/2ln(F1(k))k……0…(c)F1(k)(欠采樣)(d)G1(k)(P=2)b)一維抑制振鈴濾波器a)原一維歸一化頻譜(F(k),N=128)實(shí)際景物頻譜混疊頻譜c)一維超分辨處理后的頻譜基本原理抑制振鈴的基礎(chǔ)函數(shù)

式中，n為頻譜點(diǎn)，A為實(shí)際的插值倍數(shù)，p是與振鈴程度有關(guān)的控制參數(shù)。

A(0)A(1)A(2)A(3)A(4)A(5)0.1322-2.316014.9955-44.514558.2263-16.3361P值的自適應(yīng)設(shè)置頻域振幅方差P值示意圖頻譜擴(kuò)展與補(bǔ)償濾波器一維數(shù)據(jù)實(shí)驗(yàn)結(jié)果a)b)c)二維圖像實(shí)驗(yàn)結(jié)果a)b)c)

a)原3m的測(cè)試圖象b)處理后的圖象c)原2m的測(cè)試圖象對(duì)3米分辨率圖象的實(shí)驗(yàn)結(jié)果-1

a)原3m的測(cè)試圖象b)處理后的圖象c)原2m的測(cè)試圖象對(duì)3米分辨率圖象的實(shí)驗(yàn)結(jié)果-2

a)原2m的測(cè)試圖象b)處理后的圖象c)原1.6m的測(cè)試圖象對(duì)2米分辨率圖象的實(shí)驗(yàn)結(jié)果-1對(duì)2米分辨率圖象的實(shí)驗(yàn)結(jié)果-2

a)原2m的測(cè)試圖象b)處理后的圖象c)原1.6m的測(cè)試圖象

3.多幀頻域解混疊超分辨重建技術(shù)頻域解混疊的理論基礎(chǔ)頻域解混疊的數(shù)學(xué)模型頻域解混疊迭代計(jì)算模型限制條件的突破技術(shù)實(shí)驗(yàn)結(jié)果與分析1、采樣定理2、CFT與DFT的混疊關(guān)系3、CFT與DFT的位移性質(zhì)頻域解混疊的理論基礎(chǔ)頻域解混疊的數(shù)學(xué)模型頻域解混疊的迭代計(jì)算模型

輸入圖象的幀數(shù)不少于4幀；輸入圖象的亞像元位移滿足一定的要求頻域解混疊的四個(gè)限制條件平行于坐標(biāo)x軸和y軸的幀間平移點(diǎn)對(duì)數(shù)不多于2；對(duì)稱于直線y=x的幀間平移點(diǎn)對(duì)數(shù)不多于2.輸入圖象的噪聲是加性的；輸入圖象的模糊是LSI的。幀數(shù)限制條件的突破16幀輸出LRIs一幀輸入LRI單幀超分辨再采樣HR圖象幀間位移條件的突破-LR幀挑選a)第一幀12345678910111213141516b)第二幀17181920212223242526272829303132圖象復(fù)原(解模糊,去噪)頻域解混疊超分辨算法結(jié)果IFFT計(jì)算解混疊圖象頻譜選擇一幀圖象計(jì)算圖象頻譜殘差幀間平移參數(shù)調(diào)整低分辨率圖象挑選低分辨率圖象挑選4×4放大模式單幀超分辨4×4放大模式單幀超分辨頻域配準(zhǔn)算法仿遙感成像欠采樣模型的再采樣仿遙感成像欠采樣模型的再采樣再采樣函數(shù)判斷是否滿足要求不滿足滿足k>4輸入LR遙感圖象1輸入LR遙感圖象2改進(jìn)頻域解混疊算法模擬實(shí)驗(yàn)結(jié)果a)b)c)2米等級(jí)圖像實(shí)驗(yàn)結(jié)果

a)原2m的測(cè)試圖象b)處理