中国科学院软件研究所机构知识库
Advanced  
ISCAS OpenIR  > 综合信息系统技术国家级重点实验室  > 学位论文
Title:
基于计算智能的 SandroidSat-1 空间图像去运动模糊策略研究
Author: 吴小强
Issued Date: 2017-05-22
Supervisor: 吴凤鸽
Major: 计算机应用技术
Degree Grantor: 中国科学院大学
Place of Degree Grantor: 北京
Degree Level: 硕士
Abstract:
      空间成像受成像距离,成像环境 (空间光照、辐射噪声) 和成像平台稳定性等因素的影响,再加上外层空间背景和恒星的干扰等,其成像质量还存在诸多问题,空间图像运动模糊是其中亟待解决的一个问题。本文以中国科学院软件研究所研制的 SandroidSat-1 号卫星空间成像为研究背景,根据 SandroidSat-1 的实际构造特性、成像环境和计算能力,提出了一系列基于计算智能、应用于动态环境中的 SandroidSat-1 空间图像去运动模糊策略。本文的研究内容主要包括以下几个方面:
1. 提出基于多张不同曝光度的空间图像去运动模糊策略,从曝光时间较长的模糊图像中获取图像颜色和亮度信息,从曝光时间较短的噪声图像获取图像轮廓和边缘信息,采用图像分割、图像对齐和图像色彩映射等技术对不同曝光度的多张图像进行融合。该策略实现简单,在 SandroidSat-1 成像系统能够提供足够多的图像信息时,能够有效地处理空间图像运动模糊问题;
2. 提出基于改进遗传算法的空间图像去运动模糊策略,将空间图像去运动模糊问题转化为运动模糊核搜索和优化问题。在策略中对传统遗传算法进行改进,增加使种群多样性,避免算法陷入局部最优;设计了一个适应度函数,提高迭代质量。提出基于分布估计算法的空间图像去运动模糊策略,通过反复迭代推进种群进化,在迭代中随机抽样和建立概率分布模型,直至种群进化到收敛状态。实验结果显示,基于分布估计算法的空间图像去运动模糊策略在时间和内存消耗两方面均优于基于改进遗传算法的空间图像去运动模糊策略;
3. 提出基于卷积神经网络和迁移学习的空间图像去运动模糊策略,通过基于正则的图像解卷积过程求解近似理想清晰图像,再使用卷积神经网络学习出来的模型对近似理想清晰图像进行图像噪声和人工振铃效应的抑制。在开启 GPU 加速的测试实验中,能够达到基于分布估计算法策略的效果,并且在算法时间上优于后者。策略中引入迁移学习技术,理论上可以减少 SandroidSat-1 在轨模型训练时间和资源消耗。
      本文提出的一系列空间图像去运动模糊策略将应用于 2018 年发射的实验卫星上,解决空间图像去运动模糊问题,提高卫星空间成像质量。
Language: 中文
Content Type: 学位论文
URI: http://ir.iscas.ac.cn/handle/311060/18963
Appears in Collections:综合信息系统技术国家级重点实验室 _学位论文

Files in This Item:
File Name/ File Size Content Type Version Access License
基于计算智能的 SandroidSat-1 空间图像去运动模糊策略研究.pdf(15565KB)学位论文--限制开放 联系获取全文

description.institution: 中国科学院软件研究所

Recommended Citation:
吴小强. 基于计算智能的 SandroidSat-1 空间图像去运动模糊策略研究[D]. 北京. 中国科学院大学. 2017-05-22.
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[吴小强]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[吴小强]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2020  中国科学院软件研究所 - Feedback
Powered by CSpace