CN106408516B - 一种定向遥感的数据采集和重构方法 - Google Patents
一种定向遥感的数据采集和重构方法 Download PDFInfo
- Publication number
- CN106408516B CN106408516B CN201610828645.3A CN201610828645A CN106408516B CN 106408516 B CN106408516 B CN 106408516B CN 201610828645 A CN201610828645 A CN 201610828645A CN 106408516 B CN106408516 B CN 106408516B
- Authority
- CN
- China
- Prior art keywords
- matrix
- remote sensing
- sub
- block
- measurement data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000012805 post-processing Methods 0.000 abstract description 2
- 238000010408 sweeping Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种定向遥感的数据采集和重构方法,属于压缩感知中测量矩阵和重构算法的设计和优化技术领域,提供了一种基于遥感线阵推扫数据采集模式的测量数据和测量矩阵的后处理和重构方法。本发明所述的方法:通过传统子块矩阵逐列采集测量数据,并将二维测量数据逐列首尾相接连接成一维向量。根据二维测量数据的列数生成包含列数个子块矩阵的分块对角矩阵。然后采用压缩感知重构算法重构原始信号。本发明为压缩感知和定向遥感从理论研究走向实用化奠定了基础。
Description
技术领域
本发明属于压缩感知技术领域,具体提供了一种定向遥感的数据采集和重构方法。
背景技术
遥感数据的获取一般分为星上和地面两个阶段。在卫星上需要采集、压缩和传输数据,在地面需要接收、储存、解压和使用数据。遥感技术的发展使覆盖全球海量遥感数据的获取成为现实。如能实现采集压缩一体化的信号数据采集处理格局,就可采集、传输、存储、处理和管理很少的数据。从而摆脱传统技术的窘境,节约巨大的人力物力资源。压缩感知技术的出现为改变传统的遥感数据获取模式提供了可能。基于线阵推扫模式的定向遥感无法充分利用已有的先验信息,因此重构效果并不好。
当前基于压缩感知的遥感研究多是基于一维信号。即使研究图像这种二维信号也多是转化为一维信号后再作压缩感知研究。在压缩感知的各种重构算法中,只有最小全变分法(Total Variation,TV)在目标函数中利用了图像像素间的灰度梯度信息,但在约束函数中依然把二维信号一维化。灰度梯度就是遥感影像的结构之一,是很好的先验信息,如充分利用可有助于改善提高信号的重构精度和效率。但把二维图像一维化破坏了这种结构先验信息。
发明内容
本发明为了解决定向遥感图像重构效果差的问题,特提供了一种定向遥感的数据采集和重构方法。
本发明是通过下述方案予以实现的:一种定向遥感的数据采集和重构方法,所述方法的过程为:
步骤一:生成子块矩阵Φ,Φ∈RM×N,M<N,M和N都是自然数;
步骤二:通过子块矩阵逐列采集图像X∈RN×L的测量数据Y=ΦX,Y∈RM×L,L是自然数,即图像X的列数;
步骤三:将测量数据Y逐列首尾连接成y,y∈RML,ML表示M与L的积,并且生成对应子块矩阵Φ的相应的分块对角矩阵ΦDIG,ΦDIG∈RLM×LN,ΦDIG对角线上的子块矩阵Φ总计L个;
步骤四:通过传统的信号重构算法求解min||x||TV s.t.y=ΦDIGx,重构得到x,x∈RNL;
步骤五:将一维向量x按L个元素一列,从头至尾依次提取排列成二维重构图像XR,XR∈RN×L。
本发明根据遥感影像推扫式采集数据的特点和保留遥感影像二维结构先验信息的需要构建了基于分块对角矩阵的新型二维压缩感知模型。在不改变测量数据获取方式和硬件设计的前提下,提高了信号重构能力。本发明所述的方法通过测量矩阵和测量数据的后处理,改善了信号重构效果,在压缩感知的图像处理、视频分析、雷达遥感、通信编码、数字音频等领域有着广泛的应用前景。
附图说明
图1是具体实施方式一所述的一种定向遥感的数据采集和重构方法的流程图;图2是应用具体实施方式采用传统子块矩阵和本发明分块对角矩阵分别对Boats,Cameraman,Lena和Mulargia lake四幅图重构的效果图;图3是应用具体实施方式采用子块矩阵和分块对角矩阵分别对Boats,Cameraman,Lena和Mulargia lake四幅图重构所得效果图相对真实原始图像的信噪比变化值。
具体实施方式
具体实施方式一:根据说明书附图1具体说明本实施方式。一种定向遥感的数据采集和重构方法,所述方法的过程为:
步骤一:生成子块矩阵Φ,Φ∈RM×N,M<N,M和N都是自然数;
步骤二:通过子块矩阵逐列采集图像X∈RN×L的测量数据Y=ΦX,Y∈RM×L,L是自然数,即图像X的列数;
步骤三:将测量数据Y逐列首尾连接成y,y∈RML,ML表示M与L的积,并且生成对应子块矩阵Φ的相应的分块对角矩阵ΦDIG,ΦDIG∈RLM×LN,ΦDIG对角线上的子块矩阵Φ总计L个;
步骤四:通过传统的信号重构算法求解min||x||TV s.t.y=ΦDIGx,重构得到x,x∈RNL;
步骤五:将一维向量x按L个元素一列,从头至尾依次提取排列成二维重构图像XR,XR∈RN×L。
具体实施方式二:本具体实施方式是对具体实施方式一所述的一种定向遥感的数据采集和重构方法的进一步说明,步骤二中所述的逐列采集图像的测量数据是基于卫星,飞机或扫描仪这类线阵推扫数据采集模式。
具体实施方式三:本具体实施方式是对具体实施方式一所述的一种定向遥感的数据采集和重构方法的进一步说明,步骤三设定分块对角矩阵,除对角线上的L个子块矩阵外,其他所有的矩阵元素都为0。
具体实施方式四:下面结合图1—图3具体说明本实施方式。本实施方式是采用子块矩阵和分块对角矩阵分别对Boats,Cameraman,Lena和Mulargia lake四幅图重构,比较其重构结果的优劣和信噪比变化。子块矩阵对图像的重构是基于全变分算法逐列重构,分块对角矩阵的重构是基于全变分算法的一次全部重构。
实验结果如图2-图3所示。由图2可见,右侧由分块对角矩阵重构的图像明显更清晰效果更好,左侧由子块矩阵重构的图像明显模糊效果更差;由图3可见,对于四幅图像,分块对角矩阵比子块矩阵的信噪比约都提高8dB。
Claims (1)
1.一种定向遥感的数据采集和重构方法,其特征是:所述方法的过程为:
步骤一:生成子块矩阵Φ,Φ∈RM×N,M<N,M和N都是自然数;
步骤二:通过子块矩阵逐列采集图像X∈RN×L的测量数据Y=ΦX,Y∈RM×L,L是自然数,即图像X的列数;
步骤三:将测量数据Y逐列首尾连接成y,y∈RML,ML表示M与L的积,并且生成对应子块矩阵Φ的相应的分块对角矩阵ΦDIG,ΦDIG∈RLM×LN,ΦDIG对角线上的子块矩阵Φ总计L个;
步骤四:通过TV信号重构算法求解min||x||TV s.t.y=ΦDIGx,重构得到x,x∈RNL;
步骤五:将一维向量x按L个元素一列,从头至尾依次提取排列成二维重构图像XR,XR∈RN×L。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828645.3A CN106408516B (zh) | 2016-09-19 | 2016-09-19 | 一种定向遥感的数据采集和重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828645.3A CN106408516B (zh) | 2016-09-19 | 2016-09-19 | 一种定向遥感的数据采集和重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106408516A CN106408516A (zh) | 2017-02-15 |
CN106408516B true CN106408516B (zh) | 2019-09-20 |
Family
ID=57996919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610828645.3A Expired - Fee Related CN106408516B (zh) | 2016-09-19 | 2016-09-19 | 一种定向遥感的数据采集和重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106408516B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106911893B (zh) * | 2017-02-23 | 2020-04-03 | 北京建筑大学 | 一种单像素计算成像方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103402096A (zh) * | 2013-08-14 | 2013-11-20 | 程涛 | 一种利用方向信息的压缩感知影像重构方法 |
CN105528761A (zh) * | 2016-01-18 | 2016-04-27 | 程涛 | 一种显微图像的超分辨重构方法 |
-
2016
- 2016-09-19 CN CN201610828645.3A patent/CN106408516B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103402096A (zh) * | 2013-08-14 | 2013-11-20 | 程涛 | 一种利用方向信息的压缩感知影像重构方法 |
CN105528761A (zh) * | 2016-01-18 | 2016-04-27 | 程涛 | 一种显微图像的超分辨重构方法 |
Non-Patent Citations (3)
Title |
---|
BLOCK COMPRESSED SENSING OF NATURAL IMAGES;Lu Gan;《2007 15th International Conference on Digital Signal Processing》;20070813;第1-5页 * |
压缩感知的等效二维稀疏变换;程涛 等;《半导体光电》;20141215;第35卷(第6期);第1119-1122页 * |
基于二维压缩感知的定向遥感和变化检测;程涛 等;《红外与毫米波学报》;20131015;第32卷(第5期);第456-461页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106408516A (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Scalable convolutional neural network for image compressed sensing | |
CN109886871B (zh) | 基于通道注意力机制和多层特征融合的图像超分辨率方法 | |
CN104199627B (zh) | 基于多尺度在线字典学习的可分级视频编码系统 | |
CN108876884B (zh) | 一种基于非局部的张量低秩正则化的高光谱图像重建方法 | |
CN105721869B (zh) | 基于结构化稀疏的压缩张量采集与重构系统 | |
CN110288524B (zh) | 基于增强型上采样和辨别融合机制的深度学习超分辨率方法 | |
CN109785235A (zh) | 基于压缩感知的红外行人图像超分辨率重建方法及系统 | |
CN103473797A (zh) | 基于压缩感知采样数据修正的空域可缩小图像重构方法 | |
Song et al. | Deep memory-augmented proximal unrolling network for compressive sensing | |
CN103473744A (zh) | 基于变权重式压缩感知采样的空域可缩小图像重构方法 | |
CN107292821B (zh) | 一种超分辨率图像重建方法及系统 | |
CN106408516B (zh) | 一种定向遥感的数据采集和重构方法 | |
Wang et al. | Group shuffle and spectral-spatial fusion for hyperspectral image super-resolution | |
Mao et al. | An infrared image super-resolution reconstruction method based on compressive sensing | |
Yu et al. | Scale-aware frequency attention network for super-resolution | |
CN107154061B (zh) | 一种分块压缩感知的正则化解码方法 | |
Al-Falluji et al. | Single image super resolution algorithms: A survey and evaluation | |
CN104243986B (zh) | 基于数据驱动张量子空间的压缩视频采集与重构系统 | |
Wang et al. | Image reconstruction from patch compressive sensing measurements | |
Kawami et al. | 2-Dimensional high-quality reconstruction of compressive measurements of phased array weather radar | |
Lu et al. | Tree-structured dilated convolutional networks for image compressed sensing | |
CN108801457A (zh) | 基于编码采样板设计以及二次能量约束校正的三维图谱获取及重建方法 | |
Dias et al. | Survey of compressive sensing | |
CN112200728A (zh) | 一种基于树状聚合轻量化的单张图像超分辨率方法 | |
Zou et al. | Microarray Camera Image Super-Resolution with Neural Network and Fusion of V-System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190808 Address after: 545006 the Guangxi Zhuang Autonomous Region East Road, Liuzhou, No. 268 Applicant after: GUANGXI University OF SCIENCE AND TECHNOLOGY Address before: Guangxi University of science and Technology Faculty P.O. Box 268, the Guangxi Zhuang Autonomous Region city 545006 District of Liuzhou City, East Ring Road No. 30 Applicant before: Cheng Tao |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190920 Termination date: 20210919 |