[发明专利]一种改进的基于POCS的高光谱图像超分辨率重建方法

说明书

本发明公开了一种改进的基于POCS的高光谱图像超分辨率重建方法，该方法首先从序列低分辨率高光谱图像的第一波段的灰度图像中随机选取一幅，通过双三次插值得到初始参考帧，在一定程度上缓解了重建图像边缘模糊问题；然后利用剩余的第一波段的灰度图像根据引入了松弛算子的投影公式对其进行修正，抑制了重建图像平滑区的毛刺；在迭代两次以上后，根据前后两次迭代重建图像之间均方误差是否小于某个阈值作为退出迭代的条件，使迭代过程自适应化，避免了人为设定迭代次数的主观性；最后对高光谱图像的每一个波段的灰度图像都重复上述过程，得到空间分辨率提升的高光谱图像。该方法可以作为高光谱图像空间分辨率提升的一种有效手段。

技术领域

本发明涉及遥感图像处理技术领域，尤其涉及一种基于POCS的高光谱图像超分辨率重建方法。

背景技术

高光谱图像的光谱分辨率极高，但是这种高的光谱分辨率是以牺牲空间分辨率为代价的。在拍摄高光谱图像时，相机曝光时间一定，获取的光子数量也是固定的，光谱分辨率越高，意味着在成像的时候，分到每个波段上用于成像的光子数量就变少了，由此导致了高光谱图像低的空间分辨率。谱分辨率和空间分辨率的相互制约限制了高光谱图像的应用，因此如何提高高光谱图像的空间分辨率成为急需解决的问题。

考虑到从硬件的角度入手，即提高高光谱相机的性能，会受到成本以及技术工艺的双重限制，目前解决高光谱图像低空间分辨率问题的方法都是从软件的角度出发，利用超分辨率重建算法对图像进行重建，以提高其空间分辨率。

在序列图像空间域超分辨率重建方法中，凸集投影算法(POCS)由于其原理简单，重建效果良好等特点获得了众多学者的青睐。POCS算法所依托的理论为集合论，该类方法主要依据图像的多个先验信息，每一个先验信息构成一个闭合凸集，这些闭合凸集的交集即为POCS超分辨率重建的解空间。但通过这类算法重建出来的图像会存在边缘模糊、平滑区域出现毛刺、迭代次数过于主观等问题。

发明内容

根据传统POCS超分辨率重建方法重建得到的图像存在边缘模糊、平滑区域出现毛刺、迭代次数过于主观等问题，本发明公开了一种改进的基于POCS 的高光谱图像超分辨率重建方法，具体包括如下步骤：

S1：从序列低分辨率的高光谱图像中选取某个波段的灰度图像，得到此波段的序列低分辨率灰度图像；

S2：随机选取序列低分辨率灰度图像中的任意一幅并通过双三次插值方式对其进行插值处理得到初始参考帧；

S3：计算图像的梯度图、并对其进行高斯滤波处理，根据梯度图获取松弛算子，将松弛算子加入到投影公式中得到改进的投影公式；

S4：从剩余的低分辨率图像中选取一幅，通过运动估计找到低分辨率图像上的像素点在初始参考帧上的对应位置；

S5：采用点扩散函数PSF模拟退化过程，将初始参考帧图像缩小到与低分辨率图像相同的尺寸，再求二者的残差，根据残差并利用改进的投影公式对初始参考帧进行修正优化该波段的初始参考帧；

S6：判断序列低分辨率图像是否全部被用来优化初始参考帧，若是，则进入S7，若否，则返回S4；

S7：求本次迭代重建的高分辨率图像和上次迭代重建的高分辨率图像的均方误差，将该均方误差与设定阈值进行比较，若均方误差小于此设定阈值，则进入S8，若大于此设定阈值，则返回S4；

S8：重复S1到S7，直到高光谱图像所有波段的灰度图像均被重建。

S2中具体采用如下方式：利用待采样点周围16个点的灰度值作加权叠加，既考虑了4个直接相邻点的灰度影响，也考虑了各邻点间灰度值变化率的影响。具体采用如下方式：

S21：根据原图像A与放大图像B的倍数k计算放大图像中的点(X,Y)在原图像中的对应位置(x+u,y+v)；