一種基于非局部正則化模型的遙感圖像超分辨方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于遙感信息處理領(lǐng)域，涉及一種基于非局部正則化模型的遙感圖像超分 辨方法。
【背景技術(shù)】
[0002] 光學(xué)遙感衛(wèi)星領(lǐng)域的分辨率主要指地面像元分辨率（名義分辨率）。眾所周知，提 高名義分辨率可通過減少探測元尺寸、增長焦距、降低衛(wèi)星軌道高度3條路徑實現(xiàn)。然而， 減小探測元尺寸會降低圖像信噪比，增長焦距會增加衛(wèi)星發(fā)射成本，降低衛(wèi)星軌道會導(dǎo)致 衛(wèi)星壽命減少。相形之下，超分辨率或超分辨（super-resolution, SR)被實踐證明是一種 行之有效的技術(shù)，其中以單幅遙感圖像超分辨最具挑戰(zhàn)性。
[0003] 當(dāng)前，較為流行的SR方法大致可分為基于重建的方法與基于學(xué)習(xí)的方法。
[0004] (1)基于重建的超分辨方法
[0005] 圖像SR重建方法可大致分為局部與非局部兩類。局部正則化SR方法可細分為 貝葉斯方法與變分正則化方法。對于前者，最大后驗估計（MP)方法研宄較多，圖像先驗 概率模型選取對該類方法的效果影響較大，已提出的先驗?zāi)Ｐ陀蠱RF及其改進模型，多層 高斯非穩(wěn)態(tài)模型，以及總變差先驗?zāi)Ｐ偷取Ｗ罱?，在單幅遙感圖像SR重建方法研宄方面， Tai等通過圖像邊緣先驗知識與圖像細節(jié)擬合，實現(xiàn)了單幅圖像SR, Sun等通過對大量自 然圖像的學(xué)習(xí)，建立了一種梯度形狀先驗?zāi)Ｐ停琂ung等針對彩色圖像，提出了一種非局部 Mumford-Shahzh正則化模型。雖然通過親合更多圖像邊緣先驗知識，上述方法取得了較好 的重建結(jié)果，但對于退化（混疊，模糊，噪聲）的遙感圖像，很難準確估計與提取邊緣信息。
[0006] (2)基于學(xué)習(xí)的超分辨方法
[0007] 基于學(xué)習(xí)的超分辨率方法研宄中，以在基于稀疏表示的方法最受關(guān)注。在基于稀 疏表述的圖像超分辨方法研宄中，為建立高、低分辨率圖像間的關(guān)系，Yang等為高、低分辨 率圖像設(shè)置了對應(yīng)的雙字典，通過聯(lián)合學(xué)習(xí)對高、低分辨率圖像統(tǒng)一進行稀疏表示。Yang提 出的模型假定求解后的稀疏表示同時可重建高、低分辨率圖像，這一約束"偏硬"，未能保證 低分辨率圖像的稀疏表示較好地重建高分辨率圖像，缺乏正則性與有效性。后續(xù)提出了改 進策略與方法，如Rubinstein等提出一種參數(shù)字典模型來平衡效率和自適應(yīng)性，李等利用 形態(tài)學(xué)分量分析法選取樣本集，練等基于圖像分類思想的提出了改進模型。最近，Yang等 提出了耦合的雙字典學(xué)習(xí)模型，首先假定高、低分辨率圖像特征空間存在映射關(guān)系，形成耦 合特征空間，進而建立耦合的雙字典對，通過模型求解得到了較好的SR結(jié)果?；陬愃扑?想，Wang等直接假定雙字典間存在一定關(guān)系，提出了一種基于半耦合的高、低分辨率字典學(xué) 習(xí)模型，提高了圖像SR效果。需要指出的是，上述方法在處理退化圖像時，需要高，低分辨 率圖像塊訓(xùn)練樣本集。對于高分遙感圖像，較難獲得適宜的樣本集。
[0008] 盡管目前超分辨方法考慮了采樣、模糊、噪聲3元圖像降質(zhì)因素，但較少分析三者 間的關(guān)系。實際中，光學(xué)成像領(lǐng)域中3元降質(zhì)因素間存在難以調(diào)和的矛盾。特別在遙感領(lǐng) 域中，系統(tǒng)調(diào)制傳遞函數(shù)與混疊間的矛盾較難調(diào)和。直接基于退化圖像的學(xué)習(xí)方法，目前難 得到滿意的SR結(jié)果。理論上設(shè)計反混疊器可有效解決混疊問題，如此一則容易產(chǎn)生振鈴效 應(yīng)，引入虛假信息；二則因過濾了更多的高頻信息，導(dǎo)致所成圖像更為模糊。單幅圖像SR研 宄，除了方法本身研宄外，還需進一步探索降質(zhì)因素分析方法，特別是分析圖像混疊的理論 與方法。
[0009] 綜上所述，在單幅圖像超分辨研宄中，降質(zhì)因素往往會嚴重影響模型求解的穩(wěn)定 性，繼而影響問題的求解。目前諸多超分辨研工作偏重于模型的構(gòu)造，特別是圖像先驗知識 研宄，因此雖然已有大量的圖像噪聲、模糊的估計與檢測工作以及最近開展的模糊因素對 圖像超分辨率的影響研宄，但關(guān)于綜合分析降質(zhì)因素對高分遙感圖像超分辨影響的研宄尚 顯不足，因此現(xiàn)有的衛(wèi)星遙感圖像超分辨重建方法重建后的圖片效果均不夠理想。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明的技術(shù)解決問題是：克服現(xiàn)有技術(shù)的不足，提供了一種基于非局部正則化 模型的遙感圖像超分辨方法，有效地提高光學(xué)遙感圖像分辨率。
[0011] 本發(fā)明的技術(shù)解決方案是：
[0012] 一種基于非局部正則化模型的遙感圖像超分辨方法，步驟如下：
[0013] (1)針對遙感衛(wèi)星獲取的退化圖像，提取圖像中以每個像素為中心的大小一致的 圖像片；
[0014] (2)利用K均值聚類算法對所述步驟（1)中得到的圖像片進行分類，形成各個圖像 片相似類，每個相似類稱為圖像片組；
[0015] (3)放大步驟⑵中圖像片組中的圖像片至原圖像片的N_/Nsys倍；其中，N _為 遙感衛(wèi)星光學(xué)系統(tǒng)的截止頻率，Nsys為遙感衛(wèi)星成像系統(tǒng)的截止頻率；
[0016] (4)針對各圖像片組，分別分析組內(nèi)放大后的圖像片頻譜分布，構(gòu)造各圖像片組對 應(yīng)的正則化濾波器，包括如下步驟：
[0017] (4. 1)針對各圖像片組利用多維信號傅里葉變換，推導(dǎo)出高分遙感圖像退化模型 的傅里葉變換形式，具體為：
[0018]
【主權(quán)項】
1. 一種基于非局部正則化模型的遙感圖像超分辨方法，其特征在于步驟如下： (1) 針對遙感衛(wèi)星獲取的退化圖像，提取圖像中以每個像素為中心的大小一致的圖像 片； (2) 利用K均值聚類算法對所述步驟（1)中得到的圖像片進行分類，形成各個圖像片相 似類，每個相似類稱為圖像片組； (3) 放大步驟⑵中圖像片組中的圖像片至原圖像片的Ntjp^Nsys倍；其中，N_為遙感 衛(wèi)星光學(xué)系統(tǒng)的截止頻率，N sys為遙感衛(wèi)星成像系統(tǒng)的截止頻率； (4) 針對各圖像片組，分別分析組內(nèi)放大后的圖像片頻譜分布，構(gòu)造各圖像片組對應(yīng)的 正則化濾波器，包括如下步驟： (4. 1)針對各圖像片組利用多維信號傅里葉變換，推導(dǎo)出高分遙感圖像退化模型的傅 里葉變換形式，具體為： I ^ F(AvUMTFJ) +tl =| D* I Ar.(MTFJ) + ? H Di I ^(MTF.f)(. + k) + n 其中，/與/分別表示退化圖像I與原始圖像f的傅里葉頻譜；MTF為調(diào)制傳遞函5數(shù)； F為frobenius范數(shù)；0#為M7F,/在傅里葉域?qū)ε季W(wǎng)格上的延拓周期；Δ ^表示基于規(guī)則采 樣網(wǎng)格Γ的采樣算子；Σ (.)表示求和；k為傅里葉坐標；η是均值為0、方差為〇2的高斯 噪聲；/i表示高斯噪聲η的傅里葉頻譜； (4. 2)建立噪聲相對誤差與混疊相對誤差的綜合評價函數(shù)，具體為：
其中R與Ralias分別為原始圖像頻譜與混疊頻譜，W = I與j ￥分別為噪聲相對誤 K K 差與混疊相對誤差，其中函數(shù)E是關(guān)于噪聲相對誤差與混疊相對誤差的綜合評價函數(shù)； (4.3)根據(jù)步驟（4.2)得到的綜合評價函數(shù)，設(shè)計得到正則化濾波器。 (5) 利用正則化濾波器提取各組圖像片潛在的高頻成分，生成含有非冗余高頻信息的 圖像片： (5. 1)將待處理圖像片作傅立葉變換，得到對應(yīng)的頻譜； (5. 2)將頻譜圖像沿傅立葉空間坐標延拓； (5. 3)將延拓后的圖像頻譜投影到圖像片組正則化濾波器支撐域上，提取潛在的高頻 成分； (5. 4)對步驟（5. 3)中提取的高頻成分，采取頻域補零措施； (5.5)作傅里葉逆變換，得到含有非冗余高頻信息的放大N_/Nsys倍的圖像片； (6) 根據(jù)非局部正則化超分辨模型，對各圖像片實施超分辨率處理，得到分辨率提高的 圖像片； (7) 得到分辨率提高的圖像片后，平均各個圖像片對應(yīng)位置像素，構(gòu)建整幅遙感圖像。
2. 根據(jù)權(quán)利要求1所述的一種基于非局部正則化模型的遙感圖像超分辨方法，其特征 在于：步驟（4. 2)綜合評價函數(shù)中噪聲相對誤差與混疊相對誤差具體計算公式為：
其中義=(#,/7)為傅里葉空間坐標。
3. 根據(jù)權(quán)利要求1所述的一種基于非局部正則化模型的遙感圖像超分辨方法，其特征 在于：所述步驟（4. 3)正則化濾波器具體為：
其中，exp (.)表示指數(shù)函數(shù)；α與β為常數(shù)。
4. 根據(jù)權(quán)利要求1所述的一種基于非局部正則化模型的遙感圖像超分辨方法，其特征 在于：步驟（6)所述非局部正則化超分辨模型如下：
其中，u表示重建的圖像；H = MTF表示傳遞函數(shù)；D表示采樣函數(shù)，▽表示圖像梯度； Pr (.)表示投影操作；λ與α表示正則化參數(shù)；表示最小化操作；It表示F范數(shù)； JNm (u)表示非局部總變差正則項。
【專利摘要】一種基于非局部正則化模型的遙感圖像超分辨方法，包括：提取圖像片；對圖像片分類；放大圖像片；構(gòu)造各組對應(yīng)的正則化濾波器；利用高頻成分生成含有非冗余高頻信息的圖像片；根據(jù)非局部正則化超分辨模型，對各圖像片實施超分辨率處理；構(gòu)建整幅遙感圖像。本發(fā)明在非局部正則化模型中耦合了梯度保真項，提高了非局部正則化模型的性能，另一方面將梯度保真項與數(shù)據(jù)保真項同時定義在圖像片組正則化濾波器的支撐域上，減少了退化因素對模型求解的干擾。與現(xiàn)有的重建以及學(xué)習(xí)方法相比，本發(fā)明針對退化的光學(xué)衛(wèi)星遙感圖像，經(jīng)過超分辨處理，最終將其分辨率提高至Nopt/Nsys倍,結(jié)果圖像視覺清晰、自然，未見明顯的虛假信息。
【IPC分類】G06T3-40, G06T5-00
【公開號】CN104732480
【申請?zhí)枴緾N201510094611
【發(fā)明人】陳亮, 鄭鈺輝
【申請人】中國空間技術(shù)研究院
【公開日】2015年6月24日
【申請日】2015年3月3日