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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、圖像復(fù)原與圖像融合是解決復(fù)雜成像條件及提高系統(tǒng)操作范圍的有力工具。同時(shí),空間平臺在軌自主形態(tài)測量與識別由于空間環(huán)境的影響仍面臨著很多問題,如光照變化、復(fù)雜且快速變化的背景和惡劣成像條件等。這些在軌自主操作的實(shí)施與執(zhí)行需要快速獲取、穩(wěn)定、可靠和高質(zhì)量的圖像數(shù)據(jù)。為解決圖像的快速解模糊及動(dòng)態(tài)融合問題,本文從這兩個(gè)問題出發(fā),開展空間環(huán)境下的視覺處理技術(shù)研究。論文的主要成果如下:
1.提出了一種基于稀疏逼近算子框架的快速圖像解模糊算法
2、。該算法主要解決空間環(huán)境中出現(xiàn)的圖像模糊問題,以及快速迭代收縮閾值化算法(FISTA)存在的問題。該算法的主要思想是將逼近算子框架中的罰參數(shù)廣義化為一個(gè)橢圓范數(shù)問題。這種廣義化的表示形式可以充分利用罰參數(shù)的快速逼近能力及局部調(diào)節(jié)能力,從而使得子問題的求解更加精確。本文推導(dǎo)并分析上述廣義化表示的基本理論性質(zhì)。仿真實(shí)驗(yàn)表明所提出的算法相比主流算法有較好的圖像復(fù)原性能及質(zhì)量。
2.提出了一種廣義逼近共軛梯度算法框架及圖像快解模糊算法
3、。該算法的核心思想在于將逼近算子問題轉(zhuǎn)化一個(gè)變超橢圓范數(shù)問題,并通過引入共軛梯度以提高每一次迭代的估計(jì)精度。該算法框架被應(yīng)用于全變分最小化問題的求解。對比主流的圖像快速解模糊算法以及不同模糊條件下的仿真實(shí)驗(yàn),本文所提出的算法具有較低的迭代數(shù),且具有較好的復(fù)原性能及視覺質(zhì)量。
3.提出了一種可分離時(shí)空動(dòng)態(tài)圖像融合算法。為充分利用空間平臺的傳感器冗余性并提高系統(tǒng)操作范圍,本文提出一種基于卡爾曼-壓縮感知理論的時(shí)空圖像融合算法。該算
4、法假設(shè)空間與時(shí)間上的融合模式是不相關(guān)的,并以此思想將狀態(tài)空間分離為空間狀態(tài)空間和時(shí)間狀態(tài)空間。所提出的融合模型使用Tanimoto距離來度量不同子空間之間的相似度。該算法基于上述的相似度系數(shù)在狀態(tài)空間進(jìn)行加權(quán)融合。基于真實(shí)多模圖像序列的融合實(shí)驗(yàn)表明:所提出的動(dòng)態(tài)融合算法可以克服傳統(tǒng)小波算法存在的時(shí)空自適應(yīng)性等問題,并改善圖像序列的動(dòng)態(tài)融合性能。
4.基于上述工作,本文針對所采集的空間非合作目標(biāo)圖像進(jìn)行圖像復(fù)原算法研究。該算法通
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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
- 基于稀疏表示與低秩逼近的高光譜圖像重建.pdf
- 基于稀疏表示的圖像融合方法研究.pdf
- 基于稀疏表示的圖像融合算法.pdf
- 稀疏表示與特征融合的圖像搜索.pdf
- 基于超完備字典稀疏表示的圖像融合.pdf
- 基于模糊核稀疏先驗(yàn)的文本圖像運(yùn)動(dòng)模糊去除.pdf
- 基于稀疏約束的圖像去模糊迭代方法研究.pdf
- 基于稀疏表示的圖像融合算法研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf
- 基于稀疏表示的高光譜圖像解混研究.pdf
- 基于稀疏表示和低秩逼近的SAR圖像降斑.pdf
- 基于聯(lián)合稀疏分析模型的遙感圖像融合研究.pdf
- 基于稀疏表示的遙感圖像融合理論與方法研究.pdf
- 基于矩陣低秩與稀疏分解的視頻圖像融合研究.pdf
- 基于聯(lián)合稀疏表示的紅外與可見光圖像融合研究.pdf
- 基于稀疏表示理論的多波段圖像融合與彩色化.pdf
- 基于稀疏表示的紅外與可見光圖像融合方法研究.pdf
- 基于自適應(yīng)稀疏先驗(yàn)的圖像盲去模糊.pdf
- 基于結(jié)構(gòu)稀疏表示的高光譜圖像解混.pdf
- 基于局部自適應(yīng)稀疏約束的圖像去模糊.pdf
評論
0/150
提交評論