[发明专利]一种非局部正则化遥感图像超分辨重建方法

摘要

本发明公开了一种基于正则化滤波器的非局部正则化遥感图像超分辨重建方法，包括：降质因素对遥感图像质量的影响评价步骤；设计正则化滤波器步骤；超分辨重建模型构建与数值算法设计步骤。本发明在非局部正则化模型中耦合了梯度保真项，提高了非局部正则化模型的性能，另一方面将梯度保真项与数据保真项同时定义在图像片组正则化滤波器的支撑域上，减少了退化因素对模型求解的干扰。与现有的重建以及学习方法相比，本发明针对退化的光学卫星遥感图像，经过超分辨处理，最终将其分辨率提高至至N_opt/N_sys倍,结果图像视觉清晰，自然，未见明显的虚假信息。

主权项

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：$\underset{u}{Min}{J}_{NLTV}\left(u\right)+\frac{\mathrm{\λ}}{2}\left|\right|\mathrm{Pr}(f-DHu)|{|}_F^2+\frac{\mathrm{\α}}{2}|\left|\mathrm{Pr}(\▿f-\▿(DHu\left)\right)\right|{|}_F^2$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。