多尺度细节增强的遥感影像超分辨率重建

多尺度细节增强的遥感影像超分辨率重建

朱 红1,2，宋伟东1，谭 海2，王竞雪1

【摘 要】鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题，提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先，通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息；其次，利用插值方法得到相应的高分辨率细节信息和平滑信息，构造纹理细节增强函数，提升中小型细节的增强幅度；最终，融合细节信息和平滑信息，得到初始的超分辨率重建结果，并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明，本文重建结果与插值方法、TV方法和MAP方法相比，在客观评价指标上均有显著提高，明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法，可以使重建影像提供更多高频细节信息，具有较好鲁棒性和普适性。

【期刊名称】测绘学报

【年(卷),期】2016(045)009

【总页数】8

【关键词】超分辨率重建；细节增强；多尺度分解；最小二乘滤波

航天遥感技术经过50多年应用与发展，已经形成多角度、全方位、立体式的地球信息获取技术 [1-2]。遥感影像空间分辨率不仅是影像质量评价的一项关键性技术指标，更是衡量一个国家卫星遥感水平的重要标志 [3-4]。卫星遥感影像的空间分辨率取决于传感器精度，而成像系统性能的提高却伴随着昂贵的制造成本。所以从硬件上改善影像分辨率，在传感器制造工艺、系统成本以及发射载荷限制均存在瓶颈。因此尝试从软件上通过图像处理技术使遥感影像分辨率得以提升，以较小的经济代价改善影像空间分辨率，提高影像利用效益，由此可见超分辨率重建技术研究成果将具有重要的理论意义和实用价值[5-6]。

超分辨率重建是对多幅具有互补信息的低分辨率影像进行处理，获得一幅或多幅高分辨率影像的技术[7]。现有的超分辨率重建方法主要分为基于频域和基于空域的超分辨率重建。基于频域超分辨率重建方法通常为傅里叶变换[8]和小波变换[9-10]的超分辨率重建方法。此类方法优点是运行速度较快、计算相对简单，但因局限于线性空间不变，只包含有限的先验知识，没能成为超分辨率重建技术的主流研究方法。基于空域的超分辨率重建方法主要包括：插值法[11-13]、正则化方法[14-15] (包括L1范数、L2范数及TV正则项)、最大后验概率(maximum a posterior, MAP)方法[16-19]和基于学习的重建方法[1]，等等。插值方法因未增加新的高频信息，使得重建结果出现锯齿、模糊等视觉失真的现象；正则化方法中如何恰当地给出保持图像边缘结构的先验条件仍是难点；概率论方法改善重建效果的代价是复杂度较高、计算代价较大；基于学习的方法，往往对单幅遥感影像进行处理，限制了序列遥感影像间差异信息的利用。