[发明专利]一种基于多尺度空间正则化模型的超分辨率制图方法

摘要

本发明公开了一种基于多尺度空间正则化模型的超分辨率制图方法。该方法利用软分类所获得的组分图像作为输入数据，极小化组分残差，通过细尺度的空间匀质性作为光滑项，同时利用粗尺度的空间异质性进行惩罚，从而使得产生的超分辨率制图结果不仅有光滑的边缘而且能够较好的保持局部细节(如连续的地物类别)，不仅可以消除斑点问题，更重要的是可以很大程度的避免常见的过光滑现象。本发明具有实用性广，计算有效，特别对于小放大因子具有较优的超分辨率制图精度等优点，适用于土地覆被/土地利用制图、遥感影像目标提取及遥感影像中地物变化检测等利用遥感图像精细制图的相关领域。

主权项

一种基于多尺度空间正则化模型的超分辨率制图方法，其特征在于：该方法包括如下步骤：步骤1、预处理遥感数据，采集样本点，进行软分类获取被处理影像上每个像元的软分类信息，即每个像元内部的各组分也称作端元的面积矢量或称丰度；步骤2、设置超分辨率制图的放大系数N,N＝2,3,…,为自然数；步骤3、基于空间吸引模型生成初始超分辨率制图结果；步骤4、设置多尺度空间正则化的优化模型中的正则参数λ1和λ2，初始温度及最大迭代次数ite_max；步骤5、基于多尺度空间正则化的优化模型对每个亚像元的类别进行优化，具体过程为：当迭代次数小于ite_max时，对于每个亚像元，在其父像元中出现的地物类别中随机选一个指派给该亚像元；对于该亚像元计算目标函数；估计该亚像元在随机指派前后的目标函数差，如果目标函数减小，就接受该指派的类别为该亚像元的类别，否则利用模拟退火算法依据温度参数以一定的概率，接受该指派；更新迭代次数和温度参数；所述步骤5中提出的优化模型既包括细尺度光滑项同时还包括在粗尺度抑制过光滑的惩罚项，利用图像的组分信息计算粗尺度的空间异质性，从而惩罚由于仅利用细尺度的空间依赖性所造成的过光滑问题，具体提出的优化模型形式化描述如下：X*=argminXE(X,D)+λ1R1(X)+λ2R2(X)]]>s.t.Σl=1cxj,l=1]]>其中，X*表示待求解的最优超分辨率制图，表示超分辨率制图X同输入的组分图像Y之间的差异性，表示细尺度亚像元的空间匀质性，表示粗尺度的空间异质性，λ1,λ2为正则化参数，约束条件表示每个亚像元只能取某一种地物类别；步骤6、重复步骤5至最大迭代次数；输出最终的超分辨率制图结果。