[发明专利]基于凸集投影法和复数小波包域的遥感图像上采样方法

说明书

技术领域

本发明涉及遥感数字图像处理技术领域，特别涉及一种基于凸集投影法和复数小波包域的遥感图像上采样方法。

背景技术

在遥感领域，有时对于感兴趣的场景没有其他数据，只有一幅受到模糊和噪声干扰的低分辨率图像。如何从单幅数据中恢复出一幅清晰的高分辨率的图像，是个复杂而病态的逆问题。造成遥感图像降质的因素很多，包括大气影响、光学模糊、相对运动、传感器因素和下采样等等，因此高质量的遥感图像上采样重建一定要处理好图像点阵的重采样变换和去除模糊与噪声的图像复原等问题。

图像上采样是个双倍病态的问题，因为图像和模糊都是未知的。在过去的20年中，人们已经提出许多有价值的方法，这些方法往往要采用一些先验知识和假设来约束图像和模糊。但是这种约束往往是针对特定应用的，并不适用于遥感图像。其中最常用的就是基于插值和线形滤波的方法，这些方法广泛应用于PhotoShop、ENVI等商业软件中，包括Nearest-Neighbor、Bilinear、Bicubic和Lanczos等等。这些方法速度较快，便于应用，都基于这样一个假设：图像是空间平滑的或者波段受限的。但这种假设基本上是与现实不相符合的，因此会产生响铃、马赛克、模糊等很明显的视觉误差。近几年来，上采样技术还采用了一些其它的先验和假设。2002年Freeman等人提出了基于样例的上采样(Example-based Upsample)，其高分辨率图像重建所对应的补片(patch)是从包含许多高低分辨率图像对的数据库中学习得来的，旨在利用图像本身以外的信息，使用类似纹理合成的方法进行高频恢复，然而其上采样结果的质量非常依赖于数据库所提供的样例，并且计算代价昂贵。2007年Kopf等人提出的联合双边上采样(Joint Bilateral Upsample)，是采用一个高分辨率图像作为先验，利用一个联合双边滤波(joint bilateral filter)进行上采样，克服了以光滑性为先验会导致图像特征模糊的缺点，最终的结果高度敏感于先验的图像，由于遥感图像不同场景(乡村、城市、山区、海洋、沙漠等)之间的差异很大，所以一幅图像的先验模型不可能与所有类型的目标场景相匹配。RaananFattal提出以统计的边信息作为先验，使边的特点能够正确匹配，以期在上采样的图像中保证重建清晰的边，然而在遥感影像中，虽然也有类似的几何结构(如街道、海岸线等)，但毕竟这样的特征占的比重不大，相反，它对于在遥感图像中广泛出现的方向性纹理没有出色效果。Qi Shan等人2008年提出了一个反馈-控制的框架，对于采用传统Bicubic等方式上采样的图像，以重尾分布作为先验，采用快速傅立叶变换(FFTs)，利用这个反馈-控制框架重复进行反卷积、重新卷积和像素置换来去除模糊和重建，这个框架对于视频和普通照片的效果较好，但其收敛性并不能获得保证，并且实验证明对遥感图像效果并不理想，最大的问题在于高频信息的明显丢失，计算速度也较慢。

综上，现有技术中还没有一种从单幅模糊、有噪声的低分辨遥感图像中恢复出一幅清晰的高分辨率的遥感图像的有效方法。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何从单幅模糊、有噪声的低分辨遥感图像中恢复出一幅清晰的高分辨率的遥感图像。

(二)技术方案

为解决上述技术问题，本发明提供了一种基于凸集投影法和复数小波包域的遥感图像上采样方法，包括以下步骤：

S1：采用凸集投影方法对遥感图像进行上采样，得到中间结果图像；

S2：采用贝叶斯方法对凸集投影方法得到的所述中间结果图像与真实图像之间的调制传递函数MTF和噪声参数进行估计；

S3：根据所述MTF和噪声参数，采用复数小波包变换对所述中间结果图像进行去模糊和降噪处理，得到最终的上采样图像。

其中，所述步骤S1具体包括：

S1.1：将所述遥感图像利用Bilinear算法进行上采样，形成一幅初始的上采样图像

S1.2：将点扩散函数作为投影算子，所述投影算子采用高斯模型来计算投影残差R，并更新图像对应的像素值，其中，图像模型是一个线形移不变系统

S1.3：将修正后的凸集投影图像作为下一次投影迭代的参考图像，重复进行投影残差计算和像素更新；

S1.4：反复执行步骤S1.2和S1.3，提升所述遥感图像的高频细节信息，直至迭代4～5次得到中间结果图像