[发明专利]基于自适应联合约束的遥感图像超分辨率重建方法

说明书

本发明公开了基于自适应联合约束的遥感图像超分辨率重建方法。主要包括以下步骤：使用双三次插值对低分辨率图像上采样；利用主成分分析和K‑means方法学习高分辨图像的字典；利用图像的非局部自相似性，构建非局部稀疏先验；提出一个基于图像局部梯度的局部结构滤波器，然后构建结构保持局部先验；融合非局部和局部的先验，并根据噪声级自适应地选择参数，最终形成一个自适应的联合先验；构建代价函数，然后使用交替迭代方法来求解；最终获得高质量图像。本发明所述的单幅遥感超分辨率重建方法在保留图像细节方面具有良好的性能，且有更高的客观评价指标。因此，本发明是一种有效的单幅遥感图像超分辨重建方法。

技术领域

本发明涉及图像超分辨率重建技术，具体涉及基于自适应联合约束的遥感图像超分辨率重建方法，属于数字图像处理领域。

背景技术

图像是人类获取、表达和传递信息的重要手段，因此图像对人类有着重要的意义。随着图像处理技术的深入发展，计算机视觉技术被广泛应用于各个领域，如科学研究、生物医学、航空航天、工业等。但是成像设备和成像环境限制了图像的分辨率，获得的图像常是低分辨率的，这并不能满足人们的需求。图像超分辨重建技术，是在不改变设备性能和成本的情况下，将低质量图像重建为高质量图像。因此，图像超分辨率重建技术的研究是十分有必要的。

因图像超分辨重建技术是一个病态问题，许多先验信息被用于约束超分辨率问题的解，以获得可靠的高分辨图像。目前，基于稀疏表示的超分辨重建方法在改善遥感图像质量方面取得了良好的效果。在传统的基于稀疏表示的超分辨重建方法中，稀疏先验展现了良好的约束性能。然而传统的基于稀疏表示的超分辨率重建方法忽略了遥感图像本身的一些互补的约束信息，这使得超分辨重建性能有限。

发明内容

本发明的目的是利用图像的非局部相似性和提出的局部结构滤波构建一个联合的先验，然后根据噪声级对联合先验的参数进行自适应选择，最终将自适应联合先验应用于超分辨重建，使重建的图像具有更加精细的结构，并减少噪声的影响。本发明通过以下操作步骤构成的技术方案来实现上述目的。

本发明提出的基于自适应联合约束的遥感图像超分辨率重建方法，主要包括以下操作步骤：

(1)使用双三次插值方法对输入的低分辨图像进行3倍上采样，得到初始的高分辨(high-resolution,HR)图像；

(2)对HR图像，利用主成分分析方法和K-means聚类方法计算HR图像的字典；

(3)利用图像的非局部相似性和稀疏表示，得到非局部稀疏先验；

(4)利用图像的局部梯度，构建一个局部结构滤波器；

(5)根据(4)中提出的局部结构滤波器，构建结构保持局部先验；

(6)融合(3)中的非局部稀疏先验和(5)中的结构保持局部先验，并根据噪声级自适应地选择参数，最终形成一个自适应的联合先验；

(7)构建超分辨率重建代价函数；

(8)利用交替迭代方法(Fast Iterative Soft Thresholding，FIST)求解代价函数，得到重建HR图像；

(9)重复步骤(3)至(8)直到达到预先设置的迭代次数；

(10)若不满足预设的条件，则返回到步骤(2)；反之，则结束。

附图说明

图1是本发明基于自适应联合约束的遥感图像超分辨率重建方法的框图

图2是本发明的测试图像

图3是本发明与不同的方法对无噪“aerial-airplane”图像的重建结果对比图