题目：基于稀疏表征的多源遥感图像质量提升与一体化处理

基于空天平台的遥感器是现代地球观测、灾害监视、矿产探测及环境监测的重要手段之一。现有的空天遥感器包括：CCD相机、红外（IR）相机、合成孔径雷达（SAR）、多光谱（MS）相机、全色（PAN）相机以及超光谱相机等。上述传感器都存在若干原理性缺点，导致所获取的图像质量需要进一步提升。例如，红外焦平面阵列（FPA）获取的图像空间分辨率较低，且存在像素非均匀性问题；SAR图像受到斑点噪声、模糊效应、扇贝效应等原理性问题的影响。为了有效地提升遥感器的图像质量，并充分综合各遥感器获取的多源信息，本文重点开展多源遥感图像质量提升与一体化处理技术研究。本文的主要工作体现在以下三面：（1）针对FPA遥感器获取的红外图像中像素非均匀性问题，提出了基于稀疏表征和压缩感知理论的非均匀性校正（NUC）处理新方法，有效提升了红外遥感器的图像质量。该方法针对FPA图像中固定模版噪声（FPN）导致的非均匀性现象，利用压缩感知理论与凸优化算法，快速准确地估计非均匀性校正补偿参数的，进而提出一种基于稀疏表征的非均匀性校正处理（Spares-NUC）算法，不仅改善了图像质量，并且节省了50%以上的计算量。仿真结果验证了该方法的有效性。（2）针对斑点噪声、模糊效应和扇贝效应这三种SAR图像的机理性和典型性问题，提出了相应的图像后处理算法，有效地改善SAR图像质量。针对SAR图像斑点噪声的特点，提出了一种基于压缩感知理论构建多重压缩重建框架的斑点抑制新算法 SAR图像，仿真结果表明新算法的性能优于现有的斑点抑制方法；针对扫描模式SAR图像的扇贝效应问题，提出了一种基于最小均方误差的扇贝效应校正处理新方法；针对条带模式SAR图像的模糊问题，提出了基于压缩感知成像框架与图像修复技术的SAR图像方位模糊抑制方法，计算机仿真验证了方法的有效性。（3）针对多源遥感图像的数据融合与一体化处理问题开展研究，提出了一种基于双重训练库与本地信息数据协同的图像融合超分辨处理方法。该方法通过求解凸优化解，将低分辨率图像的相关图像区域信息经由结算分立的凸优化过程表征在低分辨库中，随后将这些低分辨率区域的稀疏系数使用本地信息数据进行融合，并通过结合高分辨率库元素作为各自的融合系数得到高分辨率图像的区域，仿真结果验证能够了该方法的有效性。本文还拓展了本地信息数据的概念用于遥感图像全色锐化，保证高频细节在全色图像到多光谱图像转换过程中不受光谱分辨率影响。