咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >综合深度卷积神经网络的摆扫影像反演恢复算法 收藏

综合深度卷积神经网络的摆扫影像反演恢复算法

Inversion Restoring Algorithm for Whiskbroom Scanning Images Synthesized with Deep Convolutional Neural Network

作     者:徐超 金光 杨秀彬 徐婷婷 常琳 Xu Chao;Jin Guang;Yang Xiubin;Xu Tingting;Chang Lin

作者机构:中国科学院长春光学精密机械与物理研究所空间新技术研究部 中国科学院大学材料科学与光电技术学院 

出 版 物:《光学学报》 (Acta Optica Sinica)

年 卷 期:2019年第39卷第12期

页      面:353-363页

核心收录:

学科分类:0808[工学-电气工程] 070207[理学-光学] 0809[工学-电子科学与技术(可授工学、理学学位)] 07[理学] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0803[工学-光学工程] 0702[理学-物理学] 

基  金:国家自然科学基金青年科学基金(61705222) 科技部国家重点研发计划(2016YFB0501202) 

主  题:遥感 摆扫 畸变 几何校正 卷积神经网络 影像恢复 

摘      要:为解决卫星摆扫获得的遥感影像存在畸变和像质退化的问题,提出一种分辨率反演与深度卷积网络相结合的几何校正与图像增强方法。摆扫过程中,空间相机的摆扫角和单位视场角恒定,探测器像面的像素与相机光轴指向的地面景物一一对应,根据这两点,像面上畸变的景物可以被精确地反演恢复。其次,采用真实的遥感影像作为样本,训练了针对遥感影像的深度卷积网络框架,解决了反演恢复过程中的影像模糊问题,增强了校正后影像的视觉效果。实验中,畸变校正后的影像很大程度地恢复了地面景物的原有几何特性。采用无参考图像质量评价指标(NR-IQA)对本文提出的网络结构、在传统图像集上训练的网络结构及插值方法进行对比评价,结果表明所提网络结构的图像增强结果更佳,能较为有效地恢复遥感摆扫影像。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分