18594

۱۸۵۹۴

فرا-تفكيك پذيري تصاوير ابرطيفي مبتني بر "ديكشنري طيفي-مكاني و ضرايب تنك" فراگيري شده با تشكيل گروه-بلوك-تكه تصويرهاي مشابه

كارشناسي ارشد

مخابرات سيستم

دي ۱۳۹۶

دكتر سيد علي اصغر بهشتي شيرازي

برق

با گسترش تكنولوژي در صنعت هوا فضا در اواخر 1950 امكان دستيابي به داده هاي شهودي با استفاده از تصاوير ماهواره اي فراهم شده است. در اين ميان، سيستمهاي تصوير-برداري كه در آنها از حسگرهاي ابرطيفي استفاده مي شود. داده هاي شهودي را به صورت طيف انعكاسي در صدها باند باريك و به هم پيوسته جمع آوري مي كنند، لذا تصاوير خروجي اين سيستم ها كه تصاوير ابرطيفي ناميده مي شوند داراي تفكيك پذيري طيفي بسيار بالا مي باشند و در كاربردهاي وسيعي چون مهندسي عمران- معدن ، گردآوري اطلاعات نظامي و .... مورد استفاده قرار مي گيرند. اما متأسفانه به عللي چون نقصان نور هنگام تصويربرداري، نويز حسگرها و ....از تفكيك پذيري مكاني بسيار پاييني رنج مي برند. پايين بودن تفكيك پذيري مكاني اين تصاوير يك امتياز منفي به حساب مي آيد؛ از طرفي براي كاربردهاي مذكور حفظ تفكيك پذيري طيفي امر لازم و ضروري مي باشد. در اين راستا روش هاي پس- پردازشي بكار گرفته مي شوند كه علاوه بر بالا بردن تفكيك پذيري مكاني تصاوير ابرطيفي، قادر به حفظ ساختار طيفي آنها نيز باشند كه اين روش ها فرا-تفكيك پذيري تصاوير ابرطيفي ناميده مي شوند. به طور كلي مسأله فرا-تفكيك پذيري تصوير ابرطيفي به صورت يك مسأله وارون بد-حالت ارائه مي شود؛ به اين معني كه نمي توان يك جواب واحد براي آن قائل شد؛ لذا راستاي فكري رويكردها بر مبناي استفاده از اطلاعات پيشين براي مقيد ساختن مسأله به منظور رسيدن به يك جواب واحد مي باشد. در سالهاي اخير رويكردهاي ارئه شده مبتني بر توصيف تنك، به صورت تابعي از ديكشنري طيفي و ضرايب تنك، نتايج قابل قبولي را در فراتفكيك پذيري تصاوير ابرطيفي حاصل كرده اند، از ميان اين رويكردها آن دسته كه از مفهوم گروه بندي تكه تصويرهاي مشابه استفاده كرده اند، توانسته اند دو اطلاعات پيشين مهم موجود در تصاوير ابرطيفي يعني شباهت غير محلي و تنكي محلي را به طور همزمان در توصيف تنك بكار گيرند. با اين وجود استفاده از معيارهاي تشابه مبتني بر تفاضل پيكسل هاي متناظر از يك سو و بكارگيري الگوريتم هاي فراگيري ديكشنري نه چندان دقيق از سويي ديگر؛ باعث شده است تا از تمام "ظرفيت دقتي" توصيف تنك اين تصاوير بهره برداري نشود. در اين پايان نامه با رويكردي جديد نسبت به مفهوم گروه بندي تكه تصويرهاي مشابه و معرفي معياري اصلاح شده، مبتني بر نورم اقليدسي و نيز بكارگيري الگوريتم OSDL براي نخستين بار در بحث فرا-تفكيك پذيري، ديكشنري و ضرايب تنك هر گروه فراگيري شده و با استخراج هر بلوك از گروه متناظرش و چينش آنها در كنار هم تصوير اصلي بازسازي مي شود. براي حفظ ساختار طيفي نيز از "تعييرات كل طيفي " به عنوان قيد تنظيم كننده در تابع هدف نهايي استفاده شده است. روش اين پايان نامه در مقايسه با روش هاي مرسوم عملكرد به مراتب بهتري را به ويژه در حوزه مكان از خود نشان داده است. براي مثال نسبت به روش Bicubic در شاخص MPSNR به طور متوسط dB 5/3 و در شاخص MSSIM به طور متوسط 30 درصد بهبود عملكرد را حاصل كرده است. واژه ‌هاي كليدي: الگوريتم OSDL، فراگيري ديكشنري،فرا-تفكيك پذيري، گروه بلوك-تكه تصويرهاي مشابه، نمايش تنك.

1396/12/20

3/11/2018 12:00:00 AM

In recent years, the proposed approaches based on sparse representation as a function of the spectral dictionary and sparse coefficients have reached acceptable results in hyperspectral images super-resolution. Among these approaches, the ones used the concept of similar image patches grouping, have been able to use two important prior knowledge in hyperspectral images i.e. non-local resemblance and local sparsity in sparse representation simultaneously. However, the use of resemblance criteria based on differentiation of corresponding pixels on the one hand and the use of non-accurate dictionary learning algorithms on the other hand have prevented the full exploitation of “precision capacity” of the sparse representation of these images. In this thesis, the similar image patch-blocks have been grouped by using a new approach towards the grouping concept and introducing a new modified criterion based on Euclidean norm. As well as at the first time in hyperspectral image super-resolution, spatial-spectral dictionary (SSD) and sparse coefficients of each group are learned by using OSDL algorithm, then the whole image is restored by extracting each block from its corresponding group and putting them together. To maintain spectral structure, “spectral total-variations” was used as a regulating constraint in the final objective function. The simulation results represent a much better performance of the proposed method compared to Bicubic method. Keywords: Hyperspectral image, Image patch-block-group, OSDL algorithm, Sparse Representation, Super-resolution.