三级训练BP神经网络遥感图像超分辨重建
为了进一步提高遥感图像超分辨效果,降低超分辨重建时间,建立了一种三级训练BP神经网络(BP Neural Net-work,BPNN)超分辨重建方法,重点研究了网络训练样本的图像获取、输入输出样本的图像筛选、网络结构及训练算法的设计等.建立遥感图像退化模型,采用亚像素位移欠采样的方法获取网络训练样本;然后以方差比较法筛选出各级网络训练的输入/输出样本图像;最后,采用3组超分辨映射模式的遥感图像分别作为同一结构BPNN的输入/输出训练样本图像,连续进行3个周期的训练和学习,从而使图像尺寸映射模式和空间分辨率依次提高3次.仿真和泛化实验表明,三级训练BPNN较其他常见超分辨算法的峰值信噪比最高提高了6dB左右,超分辨重建图像细节更丰富,重建时间大大降低,更适合遥感图像的实际应用.
遥感图像 三级训练BP神经网络 超分辨率重建方法
朱福珍 王晓飞 丁群 何宏昌
黑龙江大学 电子工程学院电子科学与技术博士后流动站,黑龙江哈尔滨150080;黑龙江大学 电子工程学院,黑龙江哈尔滨150080 黑龙江大学 电子工程学院,黑龙江哈尔滨150080
国内会议
长春
中文
723-730
2015-07-09（万方平台首次上网日期，不代表论文的发表时间）