论文部分内容阅读
图像模型是图像处理中的基础问题。在图像处理的各个领域，如图像复原、图像分割、图像重建等，模型扮演了重要的角色，对成像原因、成像过程、成像特征等各个环节进行描述。这其中，反映成像特征的先验描述模型对于图像复原中的规整化方法起到了重要作用。马尔可夫随机场模型就是这样一个反映图像先验信息的概率统计模型，图像随机场的马尔可夫性约束使其可用于反映观测图像的局部信息统计。相比低阶马尔可夫随机场模型，高阶马尔可夫随机场模型将单一的梯度信息由数量更多、尺寸更大的卷积结果代替，可以在更大的范围上考察每个像元的邻域，提高了描述的准确性。针对低阶模型的研究从1974年开始已经了较长的时间，而针对高阶模型的研究开展的时间不长，所得到的成果也很有限。此外，由于现有高阶模型设计上的不足，基于高阶马尔可夫随机场模型进行遥感图像处理的研究尚未展开。基于此，本文进行了这方面的研究，在专家场模型框架的基础上，一方面设计先验描述能力更好、更容易使用的高阶马尔可夫随机场模型，另一方面研究如何结合新模型进行遥感图像处理，从不同的出发点改进相关应用领域的不足。 本文首先进行了高阶马尔可夫随机场模型的设计，提出了一种新的高阶马尔可夫随机场模型——GFoE模型（GaborFieldsofExperts，Gabor-FoE，简写为GFoE）。新模型沿用了较新FoE（专家场）模型的框架，但是引入了过完备表达图像通用先验信息的思想，对滤波器形式、位势函数形式、参数学习方法等进行了重新设计。在滤波器设计上，本文提出了使用零均值Gabor滤波器作为高阶模型滤波器，其所具有的尖峰重尾特性符合模型要求，而多尺度、多方向的完备性也适宜于对遥感图像而不是纹理图像或补丁图像建模。在位势函数设计上，本文使用了高斯尺度混合模型作为专家函数，其已经被证明是目前对超高斯分布的拟合能力最好的先验模型。而在模型参数确定问题上，面对数量众多的高斯函数参数，本文提出了使用逐步逼近的粒子群优化算法来学习模型参数。相关实验证明零均值Gabor滤波器对于纹理图像、自然影像和遥感影像都能得到突出的尖峰重尾统计分布，参数确定算法可以在很短时间内确定模型参数，而且极小的拟合误差使得高斯尺度混合模型的应用合理性得到验证。 基于新设计的GFoE模型，本文进行了遥感图像处理的相关研究，包括去噪、去坏线、去薄云，这弥补了高阶模型在遥感图像处理上的应用空白。基于最大后验概率准则(MAP)，求解可以转变为一个规整化问题，并可以使用梯度上升法和Gibbs采样器进行优化。在去噪、去坏线、去薄云的处理过程中，本文推导了不同的梯度上升迭代公式。直接使用新模型进行的去噪结果反映出新的高阶模型能够得到很好的遥感去噪效果，而之前高阶模型中性能最好的FoE模型几乎无法应用于遥感图像处理。在去坏线方法中，基于新模型的无参考图像坏线修复方法比插值结果具有更高的可信度和更好的视觉效果，最大能够修复3-5个像元宽度的坏线。对于有参考图像的坏线修复，本文基于一种较新的邻域相似点插值算法进行了改进，直接使用模型进行再修复，或将模型改造成判定像元邻域相似性的权重。两者相比已有方法有一些改进。在遥感图像的薄云去除应用中，本文将GFoE模型和暗通道先验理论相结合，针对暗通道先验方法中对于无云图像的暗通道先验的估计不准确问题，以及软边界提取优化混合率造成计算量和内存占用大而无法应用于相对尺寸较大的遥感图像的问题，建立了基于GFoE模型的暗通道信息估计算法，能够更为准确地估计出每个像元的暗通道信息，从而直接获得更为精细的混合率而无需使用局限性大的软边界提取方法。相比已有方法，新的去薄云算法在视觉效果、计算速度和参数设置上具有非常突出的优势。 基于GFoE模型中的位势能量，本文定义了反映空域分辨率增强能力的图像评价准则——MPE和NMPE，用于评价遥感图像融合效果。进而，在NMPE准则和Q4准则的基础上，本文又定义了同时反映空域和光谱域的综合融合效果的评价准则。以此为优化目标，通过引入遗传算法、并行化和补丁提取，本文提出了一个通用的自适应图像融合框架，以适应高性能计算平台的图像融合应用特点。新的空域评价准则具有局部约束性和多尺度特性，并且隐含反映了图像融合结果的空间畸变程度，实验表明和人的主观判断一致，与众多已有空域客观评价准则相比具有明显的优越性。具有了可信的综合评价准则后，图像融合可以以自适应的方式获得融合参数，而本文针对高性能计算平台进行的通用优化方法展示出在短时间内获得最优参数的能力，能够解决图像融合的实际应用难题。