一种多帧遥感图像上采样方法.docxVIP

一种多帧遥感图像上采样方法 1 基于凸集投影法的遥感图像上采样 在遥感领域，对于感兴趣的场景没有其他数据，只有低分析率的图像，这些图像被模糊和噪声干扰。如何从单幅数据恢复清晰的分辨率图像是一个复杂而艰难的问题。由于情绪影响、光学模糊、相位运动、传感器因素和下采样系统的影响，导致图像质量下降的因素很多。因此，在质量遥感图像的重建中，有必要处理图像矩阵中重新采样的变换，消除模糊和噪声的图像重建。 图像上采样是个双倍病态的问题,因为图像和模糊都是未知的.在过去的20年中,人们已经提出许多有价值的方法,这些方法往往要采用一些先验知识和假设来约束图像和模糊.但是这种约束往往是针对特定应用的,并不适用于遥感图像.其中最常用的就是基于插值和线性滤波的方法,这些方法广泛应用于PhotoShop、ENVI等商业软件中,包括Nearest-Neighbor、Bilinear、Bicubic和Lanczos等等.这些方法速度较快,便于应用,都基于这样一个假设:图像是空间平滑的或者波段受限的.但这种假设基本上是与现实不相符合的,因此会产生响铃、马赛克、模糊等很明显的视觉误差.近几年来,上采样技术还采用了一些其它的先验和假设.2002年Freeman等人提出了基于样例的上采样(example-based upsample),其高分辨率图像重建所对应的补片(patch)是从包含许多高低分辨率图像对的数据库中学习得来的,旨在利用图像本身以外的信息,使用类似纹理合成的方法进行高频恢复,然而其上采样结果的质量非常依赖于数据库所提供的样例,并且计算代价昂贵.2007年Kopf等人提出的联合双边上采样(joint bilateral upsample),是采用一个高分辨率图像作为先验,利用一个联合双边滤波(joint bilateral filter)进行上采样,克服了以光滑性为先验会导致图像特征模糊的缺点,最终的结果高度敏感于先验的图像,由于遥感图像不同场景(乡村、城市、山区、海洋、沙漠等)之间的差异很大,所以一幅图像的先验模型不可能与所有类型的目标场景相匹配.Fattal提出以统计的边信息作为先验,使边的特点能够正确匹配,以期在上采样的图像中保证重建清晰的边,然而在遥感影像中,虽然也有类似的几何结构(如街道、海岸线等),但毕竟这样的特征占的比重不大,相反,它对于在遥感图像中广泛出现的方向性纹理没有出色效果.Shan等人2008年提出了一个反馈-控制的框架,对于采用传统Bicubic等方式上采样的图像,以重尾分布作为先验,采用快速傅立叶变换(FFTs),利用这个反馈-控制框架重复进行反卷积、重新卷积和像素置换来去除模糊和重建.这个框架对于视频和普通照片的效果较好,但其收敛性并不能获得保证,并且实验证明对遥感图像效果并不理想,最大的问题在于高频信息的明显丢失,计算速度也较慢. 本文针对遥感图像的特点,提出了一种新的基于凸集投影法和复数小波包域的遥感图像上采样的框架与算法.该算法的主要思想是先将通常使用在多帧图像超分辨率的POCS方法改进,用于对单幅遥感图像进行上采样,得到一个高分辨率的中间结果,再使用复数小波包域的分解技术对其做进一步的去模糊和降噪,从而获得更精细的高分辨率图像.由于遥感图像本身以及POCS方法都会带来未知的模糊效果,我们假设由POCS方法获得的中间结果与真实结果之间的调制传递函数(MTF)呈各项异性的高斯函数,并使用贝叶斯方法对其参数进行有效估计,从而实现自适应的复数小波包域去模糊和降噪.实验结果表明,我们提出的这种上采样方法无论是对高频细节部分的恢复与重建,还是在去模糊、降噪方面,都取得了较好的效果. 2 基于凸集投影法和个数小波包域的遥感图像上采样框架 高分辨率图像与低分辨率图像之间的最大差异在于其高频细节部分.凸集投影法(POCS)是多帧图像超分辨率重建中较理想的一种空间域的方法,它的优点在于能够很好地提升重建图像的高频信号,并具有一定的边缘保持能力.在单帧图像的POCS上采样运算中,我们通过计算低分辨率图像和高分辨率图像之间的投影残差并反复更新上采样点阵中对应的像素,来重建新的像素点阵,实验证明在图像的高频细节部分重建方面具有较好的效果. 由于图像本身以及POCS方法都会带来未知的模糊,并且凸集投影法的降噪能力差,而遥感图像本身又不可避免地会受到各种噪声的干扰,因此要弥补POCS方法的缺陷并获得高质量的上采样结果必须选择合适的方法进行去模糊和降噪处理. 复数小波包(CWPT)是Kingsbury提出的一种小波变换工具,作为一种新颖的多尺度分析工具,复数小波包变换相比于传统的小波和小波包变换,具有更好的方向选择特性(可以分离出6个不同的方向:±15°、±45°、±75°),对于局部方向性明显的纹理,具有强大的分解能力.Jalobeanu将