遙感圖象BP神經(jīng)網(wǎng)絡(luò)超分辨重建技術(shù)研究.pdf

1、隨著遙感圖象在各領(lǐng)域的廣泛應(yīng)用，對其分辨率的要求也越來越高。然而，由于受到遙感成像系統(tǒng)固有傳感器陣列密度的限制、大氣擾動等因素的影響，得到分辨率滿足實際要求的遙感圖象并非易事。提高遙感圖象分辨率的直接辦法是增加其采集設(shè)備的傳感器陣列密度，但這往往受到工藝水平及高昂研制費用等條件的限制，很難實現(xiàn)。圖象超分辨重建技術(shù)就是在這種有著迫切需求但又很難直接改善的背景下產(chǎn)生的，該技術(shù)采用軟件處理的方法突破遙感成像系統(tǒng)硬件的限制，恢復(fù)成像過程中損失的

2、高頻信息，達到提高圖象分辨率的目的。圖象超分辨技術(shù)以其低成本和實效性引起了軍事民用很多領(lǐng)域的重視和關(guān)注。本文研究的遙感圖象 BP神經(jīng)網(wǎng)絡(luò)超分辨重建是一種基于學習的超分辨重建方法，對它的研究一方面是解決實際問題的需要，另一方面是對基于學習的圖象超分辨重建方法的探索，以期突破傳統(tǒng)圖象超分辨方法的限制。
　　遙感圖象BP神經(jīng)網(wǎng)絡(luò)超分辨關(guān)鍵問題的研究是BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)和改進的基礎(chǔ)，主要研究網(wǎng)絡(luò)訓(xùn)練樣本集、網(wǎng)絡(luò)結(jié)構(gòu)和學習規(guī)則等三方面內(nèi)容。其

3、中，網(wǎng)絡(luò)訓(xùn)練樣本集的研究中，建立亞像素位移欠采樣的圖象退化方法獲取網(wǎng)絡(luò)訓(xùn)練樣本圖象；為了使訓(xùn)練的網(wǎng)絡(luò)同時具備圖象超分辨和去模糊去噪聲功能，采用去模糊和去噪聲處理后的高分辨率圖象作為網(wǎng)絡(luò)訓(xùn)練輸出樣本圖象；采用對網(wǎng)絡(luò)訓(xùn)練樣本圖象分別分塊的方法構(gòu)造網(wǎng)絡(luò)訓(xùn)練向量，并確定最佳向量映射方式，這些問題的研究會降低網(wǎng)絡(luò)實現(xiàn)的復(fù)雜度，保障網(wǎng)絡(luò)性能。提出一種ISCG（改進的比例共軛梯度）算法作為網(wǎng)絡(luò)權(quán)值更新規(guī)則，對采用拋物線逼近梯度函數(shù)的估計方法求取SCG

4、算法中的暫態(tài)點梯度，加速網(wǎng)絡(luò)訓(xùn)練速度；最后，研究網(wǎng)絡(luò)結(jié)構(gòu)的確定方法以及加速網(wǎng)絡(luò)訓(xùn)練到設(shè)定誤差的保障方法問題，保障網(wǎng)絡(luò)成功訓(xùn)練。
　　在單級訓(xùn)練 BP神經(jīng)網(wǎng)絡(luò)遙感圖象超分辨重建中詳細給出網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的確定及實現(xiàn)過程。詳實的泛化實驗結(jié)果表明，單級訓(xùn)練 BP神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)遙感圖象超分辨重建并具去模糊和去噪聲功能，對2.1m和5m的等級遙感圖象分辨率分別提高1.32倍和1.39倍，但這種超分辨重建圖象質(zhì)量和分辨率提高倍數(shù)還不盡理想。<

5、br>　　為了進一步提高遙感圖象超分辨效果，更好地滿足實際應(yīng)用需要，提出一種多級訓(xùn)練 BP神經(jīng)網(wǎng)絡(luò)圖象超分辨方法，對網(wǎng)絡(luò)訓(xùn)練的樣本圖象獲取方法、輸入輸出樣本圖象的篩選、網(wǎng)絡(luò)訓(xùn)練算法三方面加以改進。分別實現(xiàn)了同一結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)的二級、三級和四級訓(xùn)練實驗，實驗驗證了三級訓(xùn)練網(wǎng)絡(luò)效果最好。這種三級訓(xùn)練網(wǎng)絡(luò)采用三種不同圖象超分辨映射模式的遙感圖象分別作為同一結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)的輸入/輸出訓(xùn)練樣本圖象，連續(xù)進行三個周期的訓(xùn)練和學習，網(wǎng)絡(luò)對低分辨

6、率圖象（LRIs）到高分辨率圖象（HRI）的超分辨映射擬合能力逐級增強。大量真實遙感圖象的三級訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)泛化實驗結(jié)果表明：對單幀和雙幀遙感圖象，超分辨結(jié)果圖象的細節(jié)顯著增加，對比度均提高13dB以上。對2.1m和5m的等級測試圖象，分辨率分別提高1.6倍和1.69倍，較單級訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)分辨率提高倍數(shù)高出0.28倍和0.3倍；同時，與常規(guī)頻、空域超分辨算法的對比結(jié)果表明，三級訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的重建效果最好，PSNR較其它對比方法

7、高出1～7dB，驗證了該方法的有效性。
　　綜上所述，本文的主要創(chuàng)新成果如下：
　　1．建立同時具有遙感圖象超分辨和去模糊去噪聲功能的BP神經(jīng)網(wǎng)絡(luò)，即采用模擬遙感圖象退化過程獲取的圖象為 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本圖象，同時采用去模糊和去噪聲處理后的圖象為網(wǎng)絡(luò)訓(xùn)練輸出樣本圖象，使網(wǎng)絡(luò)在訓(xùn)練和學習中學會了模擬遙感圖象成像逆過程的LRIs到HRI的超分辨映射關(guān)系，同時從輸出訓(xùn)練樣本圖象中學到了相應(yīng)的去模糊和去噪聲能力；
　　2．

8、建立構(gòu)造BP神經(jīng)網(wǎng)絡(luò)最佳輸入/輸出向量映射的方法，即對輸入/輸出訓(xùn)練樣本圖象按照2×2→4×4分塊法構(gòu)造網(wǎng)絡(luò)訓(xùn)練向量映射，增強網(wǎng)絡(luò)可實現(xiàn)性，降低網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜程度；
　　3．提出ISCG算法作為網(wǎng)絡(luò)權(quán)值學習規(guī)則，對SCG算法中的暫態(tài)點梯度采用拋物線逼近梯度函數(shù)的估計方法求取，減小計算復(fù)雜度，加快網(wǎng)絡(luò)收斂速度；
　　4．提出多級訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)圖象超分辨重建方法，即用多種圖象超分辨映射模式的訓(xùn)練樣本圖象對同一結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)