[发明专利]基于局部和非局部联合先验的自适应加权双范数遥感图像盲超分辨重建方法

说明书

本发明公开了一种基于局部和非局部联合先验的自适应加权双范数遥感图像盲超分辨重建方法。主要包括以下步骤：在模糊核估计子过程使用自适应加权双范数先验，以得到估计的模糊核和初始高分辨率图像；将估计的模糊核和初始高分辨率图像作为非盲重建子过程的输入；在非盲重建子过程，估计的模糊核和初始高分辨率图像作为已知条件，利用局部和非局部的联合先验及最大后验概率重建模型估计出高分辨率图像。以重建结果作为新的输入高分辨率图像，重复执行以上两个步骤直到达到最大重建次数，最后输出即为最终重建结果。本发明所述方法可以在模糊核未知的条件下由低分辨率图像重建高质量的高分辨率图像，重建的遥感图像可应用于军事、农业和民生等领域。

技术领域

本发明涉及图像分辨率提升技术，具体涉及一种基于局部和非局部联合先验的自适应加权双范数遥感图像盲超分辨重建方法，属于图像处理领域。

背景技术

高分辨率的遥感图像在军事、农业、民生等领域得到广泛的应用。然而，遥感图像的获取容易受到振动和运动的影响，造成模糊退化，因此遥感图像的质量可能不尽如人意。通常情况下，图像降质包括模糊和下采样。因此，在实际应用中，通过图像处理技术来针对性地提升已获取的遥感图像的质量，是很有必要的。为了解决这些问题，人们对图像去模糊和分辨率提升进行了广泛的研究。本文对这一问题进行了研究，称为盲超分辨率重建。单幅图像超分辨率重建技术是提升图像分辨率的方法之一，其具有易于实现、成本低、适用性强等特点，它由观测的单幅低分辨率图像估计对应的高分辨率图像。由于同一低分辨率图像可能对应多个不同的高分辨率图像，单幅图像超分辨率重建问题具有严重的病态性。因此需要通过图像先验约束以得到一个稳定、可靠的高分辨率估计。目前的单幅图像超分辨率重建方法大致可以分为三类：基于插值的超分辨率方法、基于重建的超分辨率方法和基于学习的超分辨率方法。这三类方法具有不同的特点，如基于插值的方法通常仅根据插值核来获取插值图像，较少考虑模糊以及噪声的影响，应用范围相对有限。基于重建的超分辨率方法充分挖掘降质图像自身的信息，通常能较好地抑制人工痕迹。基于学习的方法往往具有较快的执行速度，并且能很好地恢复图像细节。此外，在未知的模糊核下进行超分辨率重建是图像恢复面临的一个更大的挑战，即为盲超分辨率重建。盲超分辨率重建通常分为模糊核估计和非盲超分辨率重建两个子过程。

发明内容

本发明的目的是有机地将模糊核估计和非盲超分辨率两个子过程结合，进而构建一种高效率、高性能的遥感图像超分辨率盲重建方法。

本发明提出的基于局部和非局部联合先验的自适应加权双范数遥感图像盲超分辨重建方法，主要包括以下操作步骤：

(1)在模糊核估计子过程，使用自适应加权双范数先验，以得到估计的模糊核和初始高分辨率图像；

(2)将估计的模糊核和初始高分辨率图像作为非盲重建子过程的输入；

(3)在非盲重建子过程，估计的模糊核和初始高分辨率图像作为已知条件，利用局部和非局部的联合先验及最大后验概率重建模型估计出高分辨率图像。

(4)以步骤(3)的重建结果作为新的输入高分辨率图像，重复执行步骤(3)和步骤(4)，直到达到最大重建建次数，最后输出即为最终重建结果。

附图说明

图1是本发明基于局部和非局部联合先验的自适应加权双范数遥感图像盲超分辨重建方法的原理框图

图2是初始高分辨率图像和双三次重建图像对比图：其中，(a)(c)为模糊核子过程得到二倍重建初始高分辨率图像，(b)(d)为使用双三次二倍重建的结果

图3是本发明与其他方法模糊核估计结果对比图：其中，(a)(e)(i)为真实模糊核图像，(b)(f)(j)为本发明估计的模糊核，(c)(g)(k)为去模糊对比方法1估计的模糊核，(d)(h)(l)为去模糊对比方法2估计的模糊核