[发明专利]卫星图像自适应复原方法

说明书

技术领域

本发明涉及遥感数字图像处理领域，特别涉及一种基于周期加平滑图像分解和复数小波包域的卫星图像自适应复原方法。

背景技术

在过去的几十年中，遥感图像的复原一直是国内外科研机构的热点问题，大致可分为单尺度和多尺度两种方法。比较经典的单尺度方法包括Wiener反卷积方法，Andre Jalobeanu的RHEA方法，Richrdson-Lucy方法，Tikhonov正则化方法等等。所有这一类单尺度去卷积方法的问题在于，对于强方向性或者细节性的局部纹理，不能起到很好的增强作用，反而会出现一些虚假瑕疵；另外由于优化过程需要迭代，所以单尺度方法的速度往往较慢。以小波变换为基础的多尺度方法是目前研究的重点，常见的有实数小波、小波包等等。多尺度方法的优势在于：对图像的局部纹理可以有非常好的增强效果，而同时抑制平坦区域的噪声；如果不涉及迭代，通常速度较快。但是多尺度方法通常需要在分解域中修改系数并反变换回空间域，因此很容易产生振铃效应。

由于卫星图像的特殊性以及图像复原本身固有的病态性、复杂性，卫星图像复原还存在着一些难以解决的问题：(1)边界振铃。卫星图像尺寸往往非常巨大，所以在实际的工程应用中一般会先将图像进行分割，并行处理后再进行图像拼接。但是图像的分割会造成边界截断，现有方法在进行复原处理时都会产生或多或少的边界振铃，当复原后的子图像拼接为最终结果时，在接边处这种人工瑕疵视觉上非常明显，并且这种造假一旦引入就很难消除。(2)噪声增益。通常情况下反卷积的卷积核都为低通滤波器，在高频区域大部分值都接近于零，所以直接求解反卷积就会过于放大高频域的噪声。如果卷积核存在估计误差，就会加剧这种病态性。(3)方向性纹理丰富。高分辨率的卫星图像，包含大量的方向性和细节性的局部纹理，单尺度方法对这类纹理不能起很好的增强作用，而传统小波工具对方向的选择特性较弱，对这类强方向性纹理的保持也具有一定局限性。

综上，现有遥感图像复原技术还没有能够同时解决边界振铃、噪声增益和保持强方向性纹理的有效方法。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题包括：如何解决现有复原方法难以避免的边界振铃现象，如何实现在去模糊的同时抑制噪声(特别是彩色噪声)的增益，以及如何保持强方向性纹理区域，实现对高频信息丰富的卫星图像的有效复原。

(二)技术方案

为了解决上述技术问题，本发明提供一种卫星图像自适应复原方法，包括步骤：S1，利用周期加平滑图像分解技术，将模糊卫星图像Y分解成为周期信号P和平滑信号S两部分；S2，对卫星图像退化参数进行估计；S3，利用所述参数估计结果对所述周期信号P进行基于复数小波包域的自适应复原，得到周期信号P的复原结果X_P；以及S4，将所述周期信号P的复原结果X_P加上所述平滑信号S，作为卫星图像最终的复原结果X。

优选地，所述步骤S2中图像退化参数估计包括MTF参数估计和噪声参数估计。

优选地，所述步骤S3中基于复数小波包域的自适应复原包括：利用复数小波包工具，对周期信号P先去卷积再多频段建模分析降噪，进行去模糊和降噪的复原处理。

(三)有益效果

本发明的技术方案具有如下有益效果：不仅较好地解决了现有复原方法难以避免的边界振铃现象，还通过合理加强先验模型的假设和限制，提高了退化参数自适应估计的准确度，并且充分发挥了复数小波包工具的近似平移不变性和更丰富的方向选择性(6个方向响应)的优点，在去模糊的同时实现对噪声(特别是彩色噪声)的抑制，出色地保持了强方向性纹理区域，实现对高频信息丰富的卫星图像的有效复原。实验证明，除了视觉效果的明显优势以外，该方法在信噪比(SNR)以及结构相似度(SSIM)指标上都优于其他方法，可以支持大规模图像数据的并行计算和业务化运行，具有实际的工程应用价值。

附图说明

图1为本发明卫星图像自适应复原方法的流程图；

图2A-2F为将一幅卫星图像分别利用Wiener方法、Richardson-Lucy方法、[S.Cho et a1.2009]方法、实数小波方法、复数小波包方法以及本发明复原方法进行复原后的效果示例图；

图3A-3F分别为另一幅卫星图像的原始清晰图像、模糊加噪声的图像、利用Wiener方法、[S.Cho et al.2009]方法、实数小波方法以及本发明复原方法进行复原后的效果示例图。

具体实施方式