[发明专利]一种卫星云图的超分辨率重建方法

权利要求书

1.一种卫星云图的超分辨率重建方法，其特征在于包括以下步骤：

①建立训练样本集合：选取30到50幅已有的高分辨率云图图像，对这些高分辨率云图图像进行下采样得到对应的低分辨率云图图像，利用像素重叠的方法将高分辨率云图图像分块，并将分块后的图像块定义为高分辨率训练样本块，对每一个高分辨率训练样本块分别减去各自图像块的像素点的均值，得到去除了低频信息的高分辨率训练样本块集合其中l表示高分辨率训练样本块的总数，i表示1到l之间的任意整数，表示高分辨率训练样本块集合中的第i个样本块，然后用四个一维滤波器{f₁＝[-1,0,1],f₂＝f₁^T,f₃＝[1,0,-2,0,1],f₄＝f₃^T}对低分辨率云图图像进行特征提取并利用像素重叠的方法分块，得到低分辨率训练样本块集合其中表示低分辨率训练样本块集合中的第i个样本块，T表示矩阵的转置；

②用改进的K-SVD算法对步骤①中的高分辨率训练样本块集合和低分辨率训练样本块集合进行训练，得到高分辨率字典和低分辨率字典，定义为过完备字典对，并将高分辨率字典和低分辨率字典中的列向量分别定义为高分辨率字典原子和低分辨率字典原子；其中，用改进的K-SVD算法对步骤①中的高分辨率训练样本块集合和低分辨率训练样本块集合进行训练，得到高分辨率字典和低分辨率字典的具体方法为：

②－1：将原K-SVD算法中的数学模型

||α_i||₀≤K，修改为

||α_i||₀≤K,A⊙W＝0

其中Φ_l是低分辨率过完备字典，A,W∈R^m×l都为m行l列的矩阵，A为稀疏系数矩阵，包含了所有的稀疏表示系数向量α_i，α_i是一个m维的列向量，K为稀疏度，表示稀疏表示系数向量α_i中不为0系数的个数的上限，A⊙W＝0表示如果矩阵A中的某个位置的元素不为0，则矩阵W对应位置的元素就为0，若A中的某个位置的元素为0，则矩阵W对应位置的元素就为1；

②－2：将步骤②－1中求得的稀疏系数矩阵A用于以下公式：

其中，Φ_h为高分辨率过完备字典，由广义逆矩阵的方法得到高分辨率字典：Φ_h＝X_sA⁺＝X_sA^T(AA^T)^-1；

③求解映射矩阵P_j：

③-1.在过完备字典对中，根据原子的相关性，利用欧氏距离公式求解高分辨率字典中每个原子和低分辨率字典中的每个原子的最近邻域映射关系{N_H,N_L}，其中N_L是低分辨率字典中某个原子的最近邻域集，N_H是高分辨字典中某个原子的最近邻域集，其中{N_H,N_L}中原子的最近邻域集中的原子个数为小于或等于相应字典中原子总数的任意值；

③-2.根据最近邻域映射关系{N_H,N_L}求解得到映射矩阵P_j，其中j表示不同的原子对应的映射矩阵编号；

④对需要重建的低分辨率云图图像，用四个一维滤波器{f₁＝[-1,0,1],f₂＝f₁^T,f₃＝[1,0,-2,0,1],f₄＝f₃^T}进行特征提取并利用像素重叠的方法分块，得到待重建的低分辨率云图图像块集合{y₁,y₂,...,y_k,...,y_n}，其中n表示待重建的低分辨率云图图像块的总数，k表示1到n之间的任意整数，y_k表示待重建的低分辨率云图图像块的的第k个图像块；

⑤对待重建低分辨率云图图像块y_k，利用相关性，在低分辨率字典中找到与它最相关的原子，并找到该原子对应的高分辨率字典原子和低分辨率字典原子的最近邻域映射关系{N_H,N_L}，然后根据映射关系找到对应的映射矩阵P_j；

⑥对待重建的低分辨率云图块y_k，利用公式进行重建得到相应的高分辨率云图块

⑦对于重建得到的高分辨率云图块利用像素重叠的方法合成重建高分辨率云图图像