一种新的基于稀疏表示及自学习遥感图像超分重建算法
作者:
作者单位:

成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS研究所,成都610059;攀枝花学院数学与计算机学院617000;3.攀枝花学院土木与建筑工程学院,四川攀枝花617000

作者简介:

通讯作者:

基金项目:


A Novel Super-resolution Remote Sensing Images Restoration Algorithm Based on Sparse Representation and Self-learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    【目的】遥感图像重建容易引入噪声或边缘出现不规则性,而它又在遥感图像的处理中能起到非常重要的作用,提出新的算法来得到更好的处理结果。【方法】通过对遥感图像进行分块,利用K-SVD算法对遥感图像自身进行字典学习,获得能够稀疏表示高分辨率遥感图像的字典,然后进行特征提取、独立成分分析降维、高分辨率遥感图像的重建等操作。【结果】实现了对遥感图像超分辨率的重建。【结论】该方法提高了图像的峰值信噪比,通过实验验证了算法高效性。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

秦振涛,杨茹,刘小英,杨武年,陈军
.一种新的基于稀疏表示及自学习遥感图像超分重建算法
[J].重庆师范大学学报自然科学版,2017,(2):81-85

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: