基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法
【专利摘要】本发明的基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法属于卫星遥感图像处理的【技术领域】。该方法的应用条件是已知相同观测地区、不同时间分辨率的高分辨率遥感图像和低分辨率遥感图像，对其它观测时间的低分辨率遥感图像进行超分辨率重构，提高低分辨率遥感图像的空间分辨率。具体分为字典训练和对低分辨率遥感图像进行重构两个步骤。本发明考虑到遥感图像的物候变化，构建了含不同特征信息的小波域的字典，基于三对子波段字典的训练，结合稀疏表示，有效地实现低分辨率遥感图像的超分辨率重构，更好地获取了图像的细节特征；本发明的方法可有效提高低分辨率遥感图像的重构质量，为低分辨率遥感图像的后期应用提供基础。
【专利说明】基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构 方法
【技术领域】
[0001] 本发明属于卫星遥感图像处理的【技术领域】，利用小波预处理技术，提出一种基于 稀疏表示的卫星遥感图像超分辨率重构方法。该方法能够提高原始遥感图像的空间分辨 率，提供比原始图像更多的细节信息，有助于遥感图像的后续处理。
【背景技术】
[0002] 遥感影像的空间分辨率是影响目标识别和精确判读的一个重要因素。为了提高低 分辨率遥感图像的空间分辨率，可以采用超分辨率重构方法进行图像增强。超分辨率重构 方法是一种指利用同一场景的一帧或多帧低分辨率图像来重构一帧或多帧高分辨率图像 的算法。
[0003] 近年来，基于稀疏表示的图像超分辨率重构引起了很多学者的关注。目前， 国内外的图像超分辨率重构算法主要是针对常规图像进行重构，具有代表性的方法 有：Yang等首先提出基于稀疏表示的超分辨率算法，先求解低分辨率图像块在对应字 典下的稀疏表示，再通过线性组合的方法利用稀疏表示系数获得相应的高分辨率图 像块（参见 Yang J, Wright J, Huang T S.et al·，"Image super-resolution via sparse representation,，'IEEE Transactions on Image Processing, 19 (11)，2861-2 873(2010) ；Yang J,Wright J, Huang T, et al., "Image super-resolution as sparse representation of raw image patches,，' IEEE Conference on Computer Vision and Pattern Recognition, 1-8 (2008))。Zeyde 和 Elad 等对 Yang 的算法提出改进，在图像 重构过程中利用正交匹配追踪（0ΜΡ)算法求解稀疏表示系数，减少了算法的计算量（参 见 Zeyde R, Elad M, Protter Μ. , On single image scale-up using sparse-represent ations[M], Curves and Surfaces. Springer Berlin Heidelberg, 711-730(2012) ；Elad M. , Sparse and Redundant Representations:Chapter 15. 4. 2The Super-Resolution Algorithm[M], Springer Press, 346-357(2010))。2014 年，在 Zeyde 的算法的基础 上，Nazzal采用小波域的字典训练算法，提高了重构质量和计算效率（参见Nazzal M, Ozkaramanli Η. , uWavelet domain dictionary learning-based single image superresolution,''Signal, Image and Video Processing, 1-11(2014))。对于遥感图像 的超分辨率重构算法的研究有：2013年，赵永光等采用基于稀疏表示的超分辨率重构算法 来提高M0DIS图像的空间分辨率，但该算法只能在一定程度上提高原M0DIS图像的分辨率 (参见赵永光，黄波，汪超亮.基于超分辨率重建的多时相M0DIS与Landsat反射率融合 方法[J].遥感学报，2013, 17(3) :590-608)。遥感图像序列中长时间的间隔导致了序列图 像之间存在变化。宋慧慧分析了遥感图像之间的物候变化，认为该变化主要表现在低频信 息的变化（参见宋慧慧.基于稀疏表示的图像超分辨率重建算法研究[D].合肥：中国科 学技术大学，2011)。
[0004] 综上所述，国内外学者利用基于稀疏表示的超分辨率重构方法主要是针对常规图 像进行处理，取得了相关的研究成果。利用稀疏表示对于遥感影像超分辨率重构的研究属 于初步的探讨，对于遥感图像空间分辨率提高的能力有限。
【发明内容】
[0005] 本发明要解决的技术问题是，提供一种有效的基于小波预处理技术和稀疏表示的 卫星遥感影像超分辨率重构的算法。该方法的应用条件是已知相同观测地区、不同时间分 辨率的高分辨率遥感图像和低分辨率遥感图像，对其它观测时间的低分辨率遥感图像进行 超分辨率重构，提高低分辨率遥感图像的空间分辨率。
[0006] 为解决本发明要解决的技术问题，给出的具体技术方案如下。
[0007] -种基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法，是已知相同 观测地区、不同时间分辨率的高分辨率遥感图像和低分辨率遥感图像，对其它观测时间的 低分辨率遥感图像进行超分辨率重构；分为字典训练和对低分辨率遥感图像进行重构两个 步骤；
[0008] 所述的字典训练的过程是，
[0009] 1)对已知低分辨率遥感图像上采样，使其和已知高分辨率遥感图像具有相同的图 像尺寸；
[0010] 2)对已知高分辨率遥感图像、低分辨率遥感图像分别进行小波分解提取特征，获 得低频、水平、和垂直高频三对子波段；
[0011] 3)在已知高分辨率遥感图像、低分辨率遥感图像的三对子波段图像上提取图像块 作为训练样本；
[0012] 4)利用冗余字典训练算法对已知低分辨率图像块进行训练，得到已知低分辨率图 像块对应的字典和稀疏表示系数；
[0013] 5)计算已知高辨率卫星遥感图像块对应的字典；
[0014] 所述的对低分辨率遥感图像进行重构的过程是，
[0015] 1)对待重构的低分辨率遥感图像进行小波分解，提取特征，获得低频、水平、垂直 和对角线高频四个子波段；
[0016] 2)在待重构低分辨率遥感图像的低频、水平、和垂直高频三个子波段图像上提取 图像块作为训练样本；
[0017] 3)求解图像块在已知低分辨率遥感图像块对应的字典中的稀疏表示系数；
[0018] 4)根据求得的已知高分辨率遥感图像块对应的字典，计算待重构遥感图像在低 频、水平、和垂直高频三个子波段上对应的高分辨率遥感图像，结合待重构遥感图像的对角 线高频子波段，通过小波逆变换合成高辨率遥感图像重构结果。
[0019] 在字典训练的过程的第4)步中，所述的冗余字典训练算法，是K-SVD冗余字典 训练算法；具体的是通过（1)式对已知低分辨率遥感图像块Λ4，Μ(，Μ(进行训练，得到 三个尺寸大小为n2Xma的低分辨率遥感图像块对应的字典〖，和稀疏表示系数 ，其中ma是冗余字典的列数或者原子数；
[0020]
【权利要求】
1. 一种基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法，是已知相同观 测地区、不同时间分辨率的高分辨率遥感图像和低分辨率遥感图像，对其它观测时间的低 分辨率遥感图像进行超分辨率重构；分为字典训练和对低分辨率遥感图像进行重构两个步 骤； 所述的字典训练的过程是， 1) 对已知低分辨率遥感图像上采样，使其和已知高分辨率遥感图像具有相同的图像尺 寸； 2) 对已知高分辨率遥感图像、低分辨率遥感图像分别进行小波分解提取特征，获得低 频、水平、和垂直高频三对子波段； 3) 在已知高分辨率遥感图像、低分辨率遥感图像的三对子波段图像上提取图像块作为 训练样本； 4) 利用冗余字典训练算法对已知低分辨率图像块进行训练，得到已知低分辨率图像块 对应的字典和稀疏表不系数； 5) 计算已知高辨率卫星遥感图像块对应的字典； 所述的对低分辨率遥感图像进行重构的过程是， 1) 对待重构的低分辨率遥感图像进行小波分解，提取特征，获得低频、水平、垂直和对 角线高频四个子波段； 2) 在待重构低分辨率遥感图像的低频、水平、和垂直高频三个子波段图像上提取图像 块作为训练样本； 3) 求解图像块在已知低分辨率遥感图像块对应的字典中的稀疏表示系数； 4) 根据求得的已知高分辨率遥感图像块对应的字典，计算待重构遥感图像在低频、水 平、和垂直高频三个子波段上对应的高分辨率遥感图像，结合待重构遥感图像的对角线高 频子波段，通过小波逆变换合成高辨率遥感图像重构结果。
2. 根据权利要求1所述的基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构 方法，其特征在于，
在字典训练的过程的第4)步中，所述的冗余字典训练算法，是K-SVD冗余字典训 练算法；具体的是通过（1)式对已知低分辨率遥感图像块 进行训练，得到 三个尺寸大小为n2Xma的低分辨率遥感图像块对应的字典_ 和稀疏表示系数
，其中ma是冗余字典的列数或者原子数；
式（1)中，1?为稀疏表示系数中非零元素的个数，f，h和v分别表示低频、水平、和垂直 高频，i = 1，. . .，P，表示第i个训练样本，P表示训练样本的个数。
3. 根据权利要求1所述的基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构 方法，其特征在于， 在字典训练的过程的第5)步中，所述的计算已知高辨率卫星遥感图像块对应的字典
，通过伪逆表达式（2)求得；
(2) 式（2)中，Ly是由I；作为其列组成，(^是字典训练的过程的第4)步求得的?/|.作为其列 组成，其中Τ代表矩阵的转置。
4. 根据权利要求1所述的基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构 方法，其特征在于， 在对低分辨率遥感图像进行重构过程的第3)步中，所述的求解图像块在已知低分辨 率遥感图像块对应的字典中的稀疏表示系数，是利用ΟΜΡ算法求解图像块在已知 低分辨率遥感图像块对应的字典
中的稀疏表示系数
。
5. 根据权利要求1所述的基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构 方法，其特征在于， 在对低分辨率遥感图像进行重构过程的第4)步中，所述的通过小波逆变换合成高辨 率遥感图像重构结果，是利用式（3)求得对应的分辨率增强后的图像块
(3) 再对所有图像块进行以上过程然后合并得到
；最后结合!^通过小波逆变换合 成重构结果f。
【文档编号】G06T5/50GK104252703SQ201410449528
【公开日】2014年12月31日 申请日期:2014年9月4日 优先权日:2014年9月4日
【发明者】顾玲嘉, 任瑞治, 庞悦, 张爽 申请人:吉林大学