[发明专利]基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法

摘要

本发明的基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法属于卫星遥感图像处理的技术领域。该方法的应用条件是已知相同观测地区、不同时间分辨率的高分辨率遥感图像和低分辨率遥感图像，对其它观测时间的低分辨率遥感图像进行超分辨率重构，提高低分辨率遥感图像的空间分辨率。具体分为字典训练和对低分辨率遥感图像进行重构两个步骤。本发明考虑到遥感图像的物候变化，构建了含不同特征信息的小波域的字典，基于三对子波段字典的训练，结合稀疏表示，有效地实现低分辨率遥感图像的超分辨率重构，更好地获取了图像的细节特征；本发明的方法可有效提高低分辨率遥感图像的重构质量，为低分辨率遥感图像的后期应用提供基础。

主权项

一种基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法，是已知相同观测地区、不同时间分辨率的高分辨率遥感图像和低分辨率遥感图像，对其它观测时间的低分辨率遥感图像进行超分辨率重构；分为字典训练和对低分辨率遥感图像进行重构两个步骤；所述的字典训练的过程是，1)对已知低分辨率遥感图像上采样，使其和已知高分辨率遥感图像具有相同的图像尺寸；2)对已知高分辨率遥感图像、低分辨率遥感图像分别进行小波分解提取特征，获得低频、水平和垂直高频三对子波段；3)在已知高分辨率遥感图像、低分辨率遥感图像的三对子波段图像上提取图像块作为训练样本；4)利用冗余字典训练算法对已知低分辨率图像块进行训练，得到已知低分辨率图像块对应的字典和稀疏表示系数；所述的冗余字典训练算法，是K‑SVD冗余字典训练算法；具体的是通过(1)式对已知低分辨率遥感图像块进行训练，得到三个尺寸大小为n2×ma的低分辨率遥感图像块对应的字典和稀疏表示系数其中ma是冗余字典的列数或者原子数，n2是在已知高、低分辨率遥感图像的子波段图像上提取图像块的大小；DMy,{qyi}=argminΣi||Myi-DMyqyi||2,s.t.Σi||qyi||0≤k0,∀i,y=f,h,v---(1)]]>式(1)中，k0为稀疏表示系数中非零元素的个数，f，h和v分别表示低频、水平和垂直高频，i＝1,...,P，表示第i个训练样本，P表示训练样本的个数；5)计算已知高分辨率卫星遥感图像块对应的字典；所述的计算已知高分辨率卫星遥感图像块对应的字典通过伪逆表达式(2)求得；DLy=LyQyT(QyQyT)-1,y=f,h,v---(2)]]>式(2)中，Ly是由作为其列组成，Qy是字典训练的过程的第4)步求得的作为其列组成，其中T代表矩阵的转置；所述的对低分辨率遥感图像进行重构的过程是，a)对待重构的低分辨率遥感图像进行小波分解，提取特征，获得低频、水平、垂直和对角线高频四个子波段；b)在待重构低分辨率遥感图像的低频、水平和垂直高频三个子波段图像上提取图像块作为训练样本；c)求解图像块在已知低分辨率遥感图像块对应的字典中的稀疏表示系数；d)根据求得的已知高分辨率遥感图像块对应的字典，计算待重构遥感图像在低频、水平和垂直高频三个子波段上对应的高分辨率遥感图像，结合待重构遥感图像的对角线高频子波段，通过小波逆变换合成高分辨率遥感图像重构结果；所述的通过小波逆变换合成高分辨率遥感图像重构结果，是利用式(3)求得对应的分辨率增强后的图像块Tyi^=DLy×qy′i,y=f,h,v---(3)]]>再对所有图像块进行以上过程然后合并得到最后结合Td通过小波逆变换合成重构结果其中为由已知相同观测地区、不同时间分辨率的高分辨率遥感图像L和低分辨率遥感图像M而获得的其他观测时间的低分辨率遥感图像T的超分辨率重构结果，分别为低频、水平和垂直高频的子波段超分辨率重构结果，Td为对角线的子波段超分辨率重构结果。