[发明专利]一种基于遥感图像的采样方法

权利要求书

1.一种基于遥感图像的采样方法，其特征在于，包括：

使用凸集投影法POCS方法对遥感图像进行上采样，利用POCS方法的优势得到一个能够较好重建高频细节部分的中间结果；

采用适合遥感图像特点的简洁有效的先验，设定中间结果与真实结果之间的调制传递函数MTF呈各项异性的高斯函数，使用贝叶斯方法进行参数的自适应估计；

使用复数小波包域的分解技术做进一步的去模糊和降噪，获得更精细的高分辨率图像。

2.如权利要求1所述的基于遥感图像的采样方法，其特征在于，所述使用凸集投影法POCS方法对遥感图像进行上采样方法包括：

先将低分辨的输入图像L利用Bilinear算法快速上采样，形成一张初始的上采样图像

然后利用低分辨率图像L与参考图像之间的对应关系，计算投影残差R，并更新上采样图像对应的像素值；

将修正后的POCS投影图像作为下一次投影迭代的参考图像，重复进行投影残差计算和像素更新；

反复提升图像的高频细节信息，直至迭代到满意的结果为止。

3.如权利要求2所述的基于遥感图像的采样方法，其特征在于，所述使用复数小波包域的分解技术做进一步的去模糊和降噪，获得更精细的高分辨率图像包括：

使用贝叶斯的方法对由POCS方法获得的结果图像与真实图像之间的模糊和噪声参数进行快速高效的估计；

采用复数小波包变换CWPT对遥感图像进行去模糊和降噪处理，对于分解得到的系数划分子频带，并且对于每个子频带建立噪声模型，以适应于彩色噪声的建模。

4.如权利要求3所述的基于遥感图像的采样方法，其特征在于，所述使用贝叶斯的方法对由POCS方法获得的结果图像与真实图像之间的模糊和噪声参数进行快速高效的估计包括：

调制传递函数MTF在频域可以写成若干分量的乘积，这些分量由不同因素产生，包括大气、光学系统、运动以及传感器多种因素。本发明将MTF以非各向同性的高斯函数近似：

MTF=MTF0×e(-α0u2-α1v2)]]>

其中MTF0表示可以测量得到的MTF成分，在没有测量结果支撑的情况下可以取恒等于1，u，v∈[0，1]是频率；

噪音用方差参数为σ²的高斯白噪声来表示。基于自然场景的遥感图像的统计模型[10]，本发明采用贝叶斯方法，计算最合适的参数α和σ²，以及隐含的模型参数w₀和q，使得如下似然概率取得最大值：

P=Πu,v{NF(Y)(0,ωu,v2)}---(5)]]>

其中，

ωu,v2=w02×r-2q×MTFu,v2+σ2,]]>

Nx(0,σ2)=12πσ2e-x2/2σ2,]]>

r＝(u²+v²)^1/2，    u，v∈[0，1]

使用共轭梯度法等方法求解关于P的非线性优化问题，获得最佳参数α和σ²，以支持遥感图像去模糊和降噪。

5.如权利要求4所述的基于遥感图像的采样方法，其特征在于，所述采用复数小波包变换CWPT对遥感图像进行去模糊和降噪处理，对于分解得到的系数划分子频带，并且对于每个子频带建立噪声模型，以适应于彩色噪声的建模包括：

利用MTF的估计值，将遥感图像在频域进行无规则化的去卷积，得到带有很高噪声的去模糊后的图像，由于该噪声在高频处能量极大，是彩色噪声，使用复数小波包工具非常适用；

彩色噪声在经过复数小波包域分解后各个子带中都是独立的高斯白噪声，其噪声方差可以由模糊核H以及参数σ²进行估计：

σk2=σ2×Σu,v|F(Wk)u,v/MTFu,v|2---(6)]]>

其中W_k为子频带K的冲击响应信号。

也可以通过模拟一个高斯白噪声，除以MTF值，然后变换到CWPT域分频带进行近似计算。

对于每个子带，使用最大似然法则进行降噪，公式如下：

ξ=|ξ|2|ξ|2+2σk2x]]>

其中x为带噪声的信号；ζ为对原始图像信号的一个估计值，使用经典Wiener或RHEA等单尺度规则化去卷积方法得到；

在完成最大似然估计后，采用软阈值技术，对各个子频带进行滤波，最后再将复数小波包域的系数反变换回到空间域，实现遥感图像的复原。