[发明专利]一种非局部正则化遥感图像超分辨重建方法

权利要求书

1.一种非局部正则化遥感图像超分辨重建方法，其特征在于，包括如下步骤：

步骤A，降质因素对遥感图像质量的影响评价：

步骤A-1，高分遥感图像频谱分布建模：

a)将高分图像数据库中的图像作傅立叶变换；

b)计算各图像的频谱能量，利用回归分析统计建立图像频谱分布的通用先验模型；

c)对退化图像作傅立叶变换，通过一定宽度的盒形空间滤波器提取低频图像频谱；

d)在步骤c)基础上利用变换检测方法得到各方向能量分布信息，据此赋予各方向相应的权 重系数；

e)将其与通用图像频谱先验模型相耦合，建立与退化遥感图像对应的高分遥感图像频谱分 布模型。

步骤A-2，退化图像频谱分析：

a)利用已知的降质因素知识，构建噪声，模糊，混叠对应的相对误差函数；

b)评估退化图像频谱各处受噪声，模糊，混叠“污染”的程度，实现退化图像频谱分析；

c)通过打分策略，赋予图像频谱点各处不同的分值，而后将、通过累加各点分数值，并与 退化图像支撑域面积相比，以评价退化图像质量；

步骤B，构建正则化滤波器：

步骤B-1，构建图像片组自适应滤波器：

a)针对各图像片组利用多维信号傅立叶变换，推导高分遥感图像退化模型的傅立叶变换 形式；

b)利用降质因素对应的误差函数，在光学系统截止频率内综合评估各点评估因素对应的 误差函数，在光学系统截止频率内综合评估各点；

c)利用轻度以及未受污染的频率点组成滤波器；

步骤B-2，潜在的高频成分提取：

a)将待处理图像片作傅立叶变化，得到对应的频谱；

b)将频谱图像沿傅立叶空间坐标延拓；

c)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；

d)考虑到潜在的高频成分其频谱支撑域可能不规则，采取频域补零措施；

e)作傅立叶逆变化，得到含有非冗余高频信息的放大N_opt/N_sys倍(2倍)的图像片；

步骤C，超分辨重建模型构建与求解模型：

步骤C-1，构建耦合了梯度保真项的非局部正则化图像超分辨重建模型，并将最优倒易晶胞 组引入上述模型，建立联合最优倒易晶胞组的非局部正则化图像超分辨重建模型：

MinuJNLTV(u)+λ2||Pr(f-DHu)||F2+α2||Pr(▿f-▿(DHu))||F2]]>

上述公知依次包括非局部总变差正则化项J_NLTV(u)，数据保真项及梯度保真项，其中，u表示 理想的图像片，f表示退化的遥感图像片，D表示采样操作，H为模糊核，▽表示梯度操作， Pr(·)表示投影操作，将图像片频谱投影于图像片组正则化滤波器的支撑域；

步骤C-2，利用梯度下降法求解上述模型，并以步骤B-2中获得的放大N_opt/N_sys倍(2 倍)的退化遥感图像为初始图像。

2.根据权利要求1所述非局部正则化遥感图像超分辨重建方法，其特征在于，所述步骤B-1 的c)步骤中，还包括：为各误差函数设置阈值，置重污染的频率点值为0，置轻度以及未 受污染的频率点值1。