基于MAP的高光谱像超分辨率方法.pdfVIP

第30卷，第4期 光谱学与光谱分析 2010年4月 and April，2010 SpectroscopySpectralAnalysis 基于MAP的高光谱图像超分辨率方法 王立国，赵妍 哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001 摘要高光谱图像得到了越来越广泛的应用，但较低的空间分辨率严重地影响着它的应用效果；其超分 辨率方法受到学术界的高度重视，但一直没有得到很好的解决。为此重点研究了建立低分辨率资源图像与 高分辨率目标图像之间的关系模型；引入关联感兴趣光谱端元的算子进行空间变换；应用最大后验概率 (MAP)算法实现超分辨率复原。实验表明，该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强 和保护感兴趣类别等优点。 关键词高光谱图像；超分辨率；最大后验概率(MAP)；光谱端元(端元) 中图分类号：TP751．2文献标识码：A 法[7]，成为多分辨率分析的典范。Aiazzi等则应用推广的拉 引 言 普拉斯金字塔算法对分辨率比率不为整数的多元信息融合问 题进行了有效地研究[8]。 高光谱图像(Hyperspeetralimagery，HSI)的谱分辨率很随着对混合像元分离技术的不断深入研究，20世纪90 高，但是其像元对应的地物分辨率却是有限的。较低的空间 年代，逐渐有一些学者开始了混合像元超分辨率方法的研 分辨率给数据处理如精准匹配、光谱解混和目标检测与识别 等技术带来了巨大的困难。可以说，空间分辨率已经成为高 验知识加入随机模型来获得高分辨图像【9]。Tatem等以 光谱图像应用效果的主要制约因素。 Hopfield网络模型作为能量工具，以光谱分离分鼍输出作为 20世纪60年代，由Harris等最初以单幅图像复原的概 能量函数的约束条件，网络最后收敛到最小能量，这个状态 念和方法提出的[1]，随后许多人对其进行了研究，并相继提 0|。Atkirmon提出一种基于 即是最后所求的高分辨率图像[1 出了各种复原方法。20世纪80年代初，Tsai和Huang首先距离尺度的算法，该算法假定地表覆盖物类别在像元内和像 提出了基于序列图像的超分辨率复原问题，并给出了基于频 域逼近的复原方法[2J。20世纪80年代末提出和发展了许多ert将子像元制图思想转化为一个线性优化问题来最大化空 有价值的方法，如凸集投影法[3]和能量连续降减法【4JBayes间相关性，取得了较好的效果[1引。 分析法[5]，此时利用序列图像进行超分辨率图像复原成了人 在图像原始信息有限的前提下，用插值方法增加输出图 们研究的一个热点，它充分利用了互有位移的序列图像之间 像的像元数。除了经典的最近邻插值、双线性插值以及样条 类似而又不同的信息，所以具有较好的超分辨率复原能力。 插值的各种变形，还有后发展起来的利用局部结构的空间自 但是在很多情况下，我们很难得到时间序列的遥感图像，因 适应插值[13。、基于凸集投影的迭代方法[14|、基于边缘方向 此它的应用受到了很大的限制。 的插值[I钉等。 20世纪70年代以来，多元信息融合作为一种有效的超 以上4类典型方法主要存在两点共性问题。其一，大部 分辨率方法而被广泛研究。多元信息融合指的是处理来自多 分超分辨率方法需要利用难以获得的辅助信息来完成，如前 源的数据及信息的自动检测、互联、相关、估计和组合的过 两种；其二，后2种方法单纯利用单幅图像自身