一种基于非局部正则化模型的遥感图像超分辨方法，包括：提取图像片；对图像片分类；放大图像片；构造各组对应的正则化滤波器；利用高频成分生成含有非冗余高频信息的图像片；根据非局部正则化超分辨模型，对各图像片实施超分辨率处理；构建整幅遥感图像。本发明专利技术在非局部正则化模型中耦合了梯度保真项，提高了非局部正则化模型的性能，另一方面将梯度保真项与数据保真项同时定义在图像片组正则化滤波器的支撑域上，减少了退化因素对模型求解的干扰。与现有的重建以及学习方法相比，本发明专利技术针对退化的光学卫星遥感图像，经过超分辨处理，最终将其分辨率提高至Nopt/Nsys倍,结果图像视觉清晰、自然，未见明显的虚假信息。
【技术实现步骤摘要】
本专利技术属于遥感信息处理领域，涉及一种基于非局部正则化模型的遥感图像超分 辨方法。
技术介绍
光学遥感卫星领域的分辨率主要指地面像元分辨率（名义分辨率）。众所周知，提 高名义分辨率可通过减少探测元尺寸、增长焦距、降低卫星轨道高度3条路径实现。然而， 减小探测元尺寸会降低图像信噪比，增长焦距会增加卫星发射成本，降低卫星轨道会导致 卫星寿命减少。相形之下，超分辨率或超分辨（super-resolution, SR)被实践证明是一种 行之有效的技术，其中以单幅遥感图像超分辨最具挑战性。 当前，较为流行的SR方法大致可分为基于重建的方法与基于学习的方法。 (1)基于重建的超分辨方法 图像SR重建方法可大致分为局部与非局部两类。局部正则化SR方法可细分为 贝叶斯方法与变分正则化方法。对于前者，最大后验估计（MP)方法研宄较多，图像先验 概率模型选取对该类方法的效果影响较大，已提出的先验模型有MRF及其改进模型，多层 高斯非稳态模型，以及总变差先验模型等。最近，在单幅遥感图像SR重建方法研宄方面， Tai等通过图像边缘先验知识与图像细节拟合，实现了单幅图像SR, Sun等通过对大量自 然图像的学习，建立了一种梯度形状先验模型，Jung等针对彩色图像，提出了一种非局部 Mumford-Shahzh正则化模型。虽然通过親合更多图像边缘先验知识，上述方法取得了较好 的重建结果，但对于退化（混叠，模糊，噪声）的遥感图像，很难准确估计与提取边缘信息。 (2)基于学习的超分辨方法 基于学习的超分辨率方法研宄中，以在基于稀疏表示的方法最受关注。在基于稀 疏表述的图像超分辨方法研宄中，为建立高、低分辨率图像间的关系，Yang等为高、低分辨 率图像设置了对应的双字典，通过联合学习对高、低分辨率图像统一进行稀疏表示。Yang提 出的模型假定求解后的稀疏表示同时可重建高、低分辨率图像，这一约束"偏硬"，未能保证 低分辨率图像的稀疏表示较好地重建高分辨率图像，缺乏正则性与有效性。后续提出了改 进策略与方法，如Rubinstein等提出一种参数字典模型来平衡效率和自适应性，李等利用 形态学分量分析法选取样本集，练等基于图像分类思想的提出了改进模型。最近，Yang等 提出了耦合的双字典学习模型，首先假定高、低分辨率图像特征空间存在映射关系，形成耦 合特征空间，进而建立耦合的双字典对，通过模型求解得到了较好的SR结果。基于类似思 想，Wang等直接假定双字典间存在一定关系，提出了一种基于半耦合的高、低分辨率字典学 习模型，提高了图像SR效果。需要指出的是，上述方法在处理退化图像时，需要高，低分辨 率图像块训练样本集。对于高分遥感图像，较难获得适宜的样本集。 尽管目前超分辨方法考虑了采样、模糊、噪声3元图像降质因素，但较少分析三者 间的关系。实际中，光学成像领域中3元降质因素间存在难以调和的矛盾。特别在遥感领 域中，系统调制传递函数与混叠间的矛盾较难调和。直接基于退化图像的学习方法，目前难 得到满意的SR结果。理论上设计反混叠器可有效解决混叠问题，如此一则容易产生振铃效 应，引入虚假信息；二则因过滤了更多的高频信息，导致所成图像更为模糊。单幅图像SR研 宄，除了方法本身研宄外，还需进一步探索降质因素分析方法，特别是分析图像混叠的理论 与方法。 综上所述，在单幅图像超分辨研宄中，降质因素往往会严重影响模型求解的稳定 性，继而影响问题的求解。目前诸多超分辨研工作偏重于模型的构造，特别是图像先验知识 研宄，因此虽然已有大量的图像噪声、模糊的估计与检测工作以及最近开展的模糊因素对 图像超分辨率的影响研宄，但关于综合分析降质因素对高分遥感图像超分辨影响的研宄尚 显不足，因此现有的卫星遥感图像超分辨重建方法重建后的图片效果均不够理想。
技术实现思路
本专利技术的技术解决问题是：克服现有技术的不足，提供了一种基于非局部正则化 模型的遥感图像超分辨方法，有效地提高光学遥感图像分辨率。 本专利技术的技术解决方案是： ，步骤如下： (1)针对遥感卫星获取的退化图像，提取图像中以每个像素为中心的大小一致的 图像片； (2)利用K均值聚类算法对所述步骤（1)中得到的图像片进行分类，形成各个图像 片相似类，每个相似类称为图像片组； (3)放大步骤⑵中图像片组中的图像片至原图像片的N_/Nsys倍；其中，N _为 遥感卫星光学系统的截止频率，Nsys为遥感卫星成像系统的截止频率； (4)针对各图像片组，分别分析组内放大后的图像片频谱分布，构造各图像片组对 应的正则化滤波器，包括如下步骤： (4. 1)针对各图像片组利用多维信号傅里叶变换，推导出高分遥感图像退化模型 的傅里叶变换形式，具体为：【主权项】1. ，其特征在于步骤如下： (1) 针对遥感卫星获取的退化图像，提取图像中以每个像素为中心的大小一致的图像 片； (2) 利用K均值聚类算法对所述步骤（1)中得到的图像片进行分类，形成各个图像片相 似类，每个相似类称为图像片组； (3) 放大步骤⑵中图像片组中的图像片至原图像片的Ntjp^Nsys倍；其中，N_为遥感 卫星光学系统的截止频率，N sys为遥感卫星成像系统的截止频率； (4) 针对各图像片组，分别分析组内放大后的图像片频谱分布，构造各图像片组对应的 正则化滤波器，包括如下步骤： (4. 1)针对各图像片组利用多维信号傅里叶变换，推导出高分遥感图像退化模型的傅 里叶变换形式，具体为： I ^ F(AvUMTFJ) +tl =| D* I Ar.(MTFJ) + ? H Di I ^(MTF.f)(. + k) + n 其中，/与/分别表示退化图像I与原始图像f的傅里叶频谱；MTF为调制传递函5数； F为frobenius范数；0#为M7F,/在傅里叶域对偶网格上的延拓周期；Δ ^表示基于规则采 样网格Γ的采样算子；Σ (.)表示求和；k为傅里叶坐标；η是均值为0、方差为〇2的高斯 噪声；/i表示高斯噪声η的傅里叶频谱； (4. 2)建立噪声相对误差与混叠相对误差的综合评价函数，具体为：其中R与Ralias分别为原始图像频谱与混叠频谱，W = I与j ￥分别为噪声相对误 K K 差与混叠相对误差，其中函数E是关于噪声相对误差与混叠相对误差的综合评价函数； (4.3)根据步骤（4.2)得到的综合评价函数，设计得到正则化滤波器。 (5) 利用正则化滤波器提取各组图像片潜在的高频成分，生成含有非冗余高频信息的 图像片： (5. 1)将待处理图像片作傅立叶变换，得到对应的频谱； (5. 2)将频谱图像沿傅立叶空间坐标延拓； (5. 3)将延拓后的图像频谱投影到图像片组正则化滤波器支撑域上，提取潜在的高频 成分； (5. 4)对步骤（5. 3)中提取的高频成分，采取频域补零措施； (5.5)作傅里叶逆变换，得到含有非冗余高频信息的放大N_/Nsys倍的图像片； (6) 根据非局部正则化超分辨模型，对各图像片实施超分辨率处理，得到分辨率提高的 图像片； (7) 得到分辨率提高的图像片后，平均各个图像片对应位置像素，构建整幅遥感图像。2. 根据权利要求1所述的，其特征 在于：步骤（4. 2)综合评价函数中噪声相对误差与混本文档来自技高网...
【技术保护点】
一种基于非局部正则化模型的遥感图像超分辨方法，其特征在于步骤如下：(1)针对遥感卫星获取的退化图像，提取图像中以每个像素为中心的大小一致的图像片；(2)利用K均值聚类算法对所述步骤(1)中得到的图像片进行分类，形成各个图像片相似类，每个相似类称为图像片组；(3)放大步骤(2)中图像片组中的图像片至原图像片的Nopt/Nsys倍；其中，Nopt为遥感卫星光学系统的截止频率，Nsys为遥感卫星成像系统的截止频率；(4)针对各图像片组，分别分析组内放大后的图像片频谱分布，构造各图像片组对应的正则化滤波器，包括如下步骤：(4.1)针对各图像片组利用多维信号傅里叶变换，推导出高分遥感图像退化模型的傅里叶变换形式，具体为：I~=F(ΔΓ)·(MTF.f^)+n^=|D*|ΔΓ.(MTF.f^)+n^=|D*|Σ(MTF.f^)(.+k)+n^]]>其中，与分别表示退化图像I与原始图像f的傅里叶频谱；MTF为调制传递函5数；F为frobenius范数；D*为在傅里叶域对偶网格上的延拓周期；ΔΓ表示基于规则采样网格Γ的采样算子；∑(.)表示求和；k为傅里叶坐标；n是均值为0、方差为σ2的高斯噪声；表示高斯噪声n的傅里叶频谱；(4.2)建立噪声相对误差与混叠相对误差的综合评价函数，具体为：E(R,Ralias,n^)=E(RaliasR,n^R)=E(N,A)]]>其中R与Ralias分别为原始图像频谱与混叠频谱，与分别为噪声相对误差与混叠相对误差，其中函数E是关于噪声相对误差与混叠相对误差的综合评价函数；(4.3)根据步骤(4.2)得到的综合评价函数，设计得到正则化滤波器。(5)利用正则化滤波器提取各组图像片潜在的高频成分，生成含有非冗余高频信息的图像片：(5.1)将待处理图像片作傅立叶变换，得到对应的频谱；(5.2)将频谱图像沿傅立叶空间坐标延拓；(5.3)将延拓后的图像频谱投影到图像片组正则化滤波器支撑域上，提取潜在的高频成分；(5.4)对步骤(5.3)中提取的高频成分，采取频域补零措施；(5.5)作傅里叶逆变换，得到含有非冗余高频信息的放大Nopt/Nsys倍的图像片；(6)根据非局部正则化超分辨模型，对各图像片实施超分辨率处理，得到分辨率提高的图像片；(7)得到分辨率提高的图像片后，平均各个图像片对应位置像素，构建整幅遥感图像。...
【技术特征摘要】
【专利技术属性】
技术研发人员：陈亮，郑钰辉，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。