張 毅 周 詮 李敏奇

摘 要:超分辨率圖像復(fù)原是指使用一組低分辨率圖像進(jìn)行處理,得到一幅高分辨率圖像。分析超分辨率處理算法并將其應(yīng)用于遙感圖像分辨率增強(qiáng)領(lǐng)域,提出一種用Matlab對遙感圖像進(jìn)行超分辨率處理的仿真方法,仿真結(jié)合POC原理將一組低分辨率遙感圖像進(jìn)行分辨率增強(qiáng)處理,結(jié)果表明超分辨率處理技術(shù)有效提高了遙感圖像的分辨率,圖像中目標(biāo)更易識別。

關(guān)鍵詞:遙感圖像;超分辨率復(fù)原;分辨率提高;目標(biāo)識別

中圖分類號:TP391

0 引 言

高分辨率遙感圖像的獲得方法有兩種:一種是通過提高遙感成像系統(tǒng)性能直接獲得高分辨率圖像;另一種則是采用超分辨率處理技術(shù)間接獲得高分辨率遙感圖像。采用提高遙感成像系統(tǒng)性能時(shí),通常是通過增大相機(jī)鏡頭或減小CCD單個(gè)像元尺寸實(shí)現(xiàn),但隨著人們對高分辨率遙感圖像的需求越來越多,增大相機(jī)鏡頭或者減小CCD像元面積的實(shí)現(xiàn)越來越無法滿足實(shí)際需求,獲取成本也越來越高。通過超分辨率處理技術(shù)獲得高分辨率遙感圖像的方法越來越受到遙感圖像應(yīng)用界人士的青睞。

對遙感圖像進(jìn)行超分辨率復(fù)原處理最早由Harris于20世紀(jì)60年代提出,復(fù)原算法中采用傅里葉級數(shù)展開的方式獲得了分辨率提高的遙感圖像,但該技術(shù)在實(shí)際中應(yīng)用效果并不理想,所以并沒有被廣泛應(yīng)用。直到20世紀(jì)80年代超分辨率復(fù)原技術(shù)在圖像處理領(lǐng)域才得到突破性的進(jìn)展,如H.Stark和P.Oskoui提出的基于凸集合投影理論的復(fù)原算法(POCS),S.E.Meinel提出的泊松最大似然復(fù)原算法(泊松[CD*2]ML),B. R.Hunt和P.J.Sementilli提出的泊松最大后驗(yàn)概率復(fù)原算法 (泊松[CD*2]MAP)等。近年來又不斷有新的算法產(chǎn)生,例如由Michal Irani和Shmuel Peleg提出的迭代反投影(IBP)算法、Andrew J.Patti和M.Ibrahim等人在H.Stark和P.Oskoui的POCS算法基礎(chǔ)上的改進(jìn)算法、Nimish R.Shah和Avidech Zakhor提出了非均勻空域樣本內(nèi)插算法。

超分辨率圖像復(fù)原算法中,POCS算法可以用于處理復(fù)雜的成像模型,并可以充分利用先驗(yàn)知識,成為國內(nèi)外廣泛采用和改進(jìn)的超分辨率圖像復(fù)原算法[3[CD*2]7],這里對遙感圖像分辨率增強(qiáng)的仿真將采用POCS算法進(jìn)行。

1 超分辨率復(fù)原算法分析

超分辨率復(fù)原算法是指由一序列低分辨率變形圖像來估計(jì)一幅或多幅高分辨率的非變形圖像,同時(shí)還能夠消除加性噪聲以及由有限檢測器尺寸和光學(xué)產(chǎn)生的模糊,是圖像融合領(lǐng)域中的一個(gè)重要分支。

超分辨率復(fù)原算法包括空域算法和頻域算法,由于頻域算法的觀察模型僅限于全局位移,頻域中數(shù)據(jù)缺乏相關(guān)性,難以將空域先驗(yàn)信息考慮進(jìn)來,因此頻域算法的研究較為緩慢?？沼蛩惴ㄖ休^為常用的算法包括:非均勻空域樣本內(nèi)插算法、IBP算法以及POCS算法。

非均勻空域樣本內(nèi)插法由Nimish R Shah和Avidech Zakhor提出,算法中充分考慮了重建過程中運(yùn)動估計(jì)的不準(zhǔn)確性,同時(shí)利用顏色分量進(jìn)一步提高運(yùn)動矢量的精度。非均勻空域內(nèi)插算法的系統(tǒng)框圖如圖1所示。

該觀測模型只適用于所有的低分辨率圖像的模糊和噪聲特性都相同的情況,當(dāng)采集的圖像來自于不同的幾個(gè)相機(jī)時(shí)具有的模糊和噪聲便無法保持相同,此外由于恢復(fù)時(shí)忽略了插值過程中引入的誤差,無法保證整個(gè)恢復(fù)算法的最優(yōu)。

IBP(Iterated Back Projection)算法由Michal Irani和Shmuel Peleg提出,該算法通過連續(xù)仿真和校正來恢復(fù)超分辨率圖像。IBP算法實(shí)現(xiàn)框圖如圖2所示。

該算法解不惟一,并且無法將先驗(yàn)知識引入到復(fù)原算法中去。

POCS算法最早由H.Stark和P.Oskoui提出,后由Andrew J.Patti,M.Ibrahim等人對該算法進(jìn)行優(yōu)化改進(jìn),成為超分辨率復(fù)原算法中使用較為廣泛的一種,此后人們常使用的是Andrew J.Patti,M.Ibrahim等人改進(jìn)的POCS算法。該算法的實(shí)現(xiàn)框圖如圖3所示。オお[KH-2]

該算法首先將低分辨率圖像中的一幀作為參考圖像,進(jìn)行插值放大,并作為超分辨率復(fù)原圖像的初始估計(jì),其他低分辨率圖像則以參考圖像為基準(zhǔn)進(jìn)行圖像的配準(zhǔn)。根據(jù)先驗(yàn)信息可以定義多個(gè)凸集合,這些集合的交集便包含了超分辨率復(fù)原圖像。通過迭代低分辨率圖像序列使之滿足對應(yīng)的凸集合要求,便可得到超分辨率圖像。該算法具有可以充分利用先驗(yàn)信息簡化解空間,并且可以處理復(fù)雜的退化模型等特點(diǎn),成為眾多學(xué)者研究改進(jìn)的算法。

2 遙感圖像超分辨率復(fù)原算法的仿真實(shí)現(xiàn)

研究遙感圖像分辨率提高的方法,首先要對遙感圖像分辨率降低的過程進(jìn)行研究,通過分析高分辨率遙感圖像的降質(zhì)模型,即可反推出遙感圖像超分辨率的復(fù)原過程。

高分辨率遙感圖像經(jīng)過遙感成像系統(tǒng)的采樣、變形、模糊及下采樣后送入信道傳輸,傳輸過程中信道的噪聲加入到已經(jīng)變壞的遙感圖像信號中,接收端獲得的遙感圖像也就是觀測到的低分辨率遙感圖像。通過分析降質(zhì)模型可知,遙感圖像復(fù)原過程如圖4所示。

該部分提出了一種用Matlab對一組低分辨率遙感圖像進(jìn)行超分辨率處理的仿真方法。首先模擬高分辨率遙感圖像的降質(zhì)過程得到一組低分辨率遙感圖像,再結(jié)合文獻(xiàn)[8]中介紹的POCS算法的原理進(jìn)行遙感圖像的超分辨率復(fù)原仿真。降質(zhì)過程中低分辨率遙感圖像均采用全局平移,點(diǎn)傳播函數(shù)使用高斯型矩陣,分辨率放大因子為2。

其中采用POCS算法原理進(jìn)行編程時(shí),遙感圖像超分辨率處理的流程圖如圖5所示。

所提仿真方法的具體步驟如下:

(1) 低分辨率圖像獲得,如圖6所示。

使用Matlab軟件模擬圖像降質(zhì)過程,獲得一組低分辨率圖像,作為超分辨率復(fù)原處理的輸入。

(2) 參考圖像選取

選取低分辨率遙感圖像序列中的一幀作為參考圖像,參考圖像選取后定義所對應(yīng)的高分辨率柵格,并以參考圖像為基準(zhǔn)計(jì)算其他低分辨率圖像相對于參考圖像的運(yùn)動估計(jì)。如圖7所示。選取參考圖像后,將參考圖像進(jìn)行線性插值放大2倍,作為程序運(yùn)行的初始估計(jì),根據(jù)框圖5進(jìn)行估計(jì)圖像的更新,更新過程中可以使用以下幾種凸集合約束(如式(1)、式(2)所示)。

數(shù)據(jù)保持約束:

低分辨率遙感圖像序列循環(huán)結(jié)束后通過比較相鄰兩迭代幀的誤差決定程序是否跳出,條件不滿足時(shí)再進(jìn)行低分辨率遙感圖像序列的迭代,直至滿足條件或循環(huán)次數(shù)達(dá)到最大的設(shè)定值,程序結(jié)束。程序結(jié)束后得到的估計(jì)圖像即為復(fù)原的超分辨率遙感圖像。對比仿真前后的遙感圖像,低分辨率遙感圖像序列及初始估計(jì)的超分辨率遙感圖像中的建筑以及道路均無法識別,但通過采用遙感圖像超分辨率處理技術(shù)使得圖像中的各目標(biāo)可以識別。遙感圖像中部的機(jī)場部分跑道輪廓清晰,機(jī)場周邊建筑可以明顯的辨別。仿真結(jié)果表明使用遙感圖像超分辨率處理技術(shù)后遙感圖像分辨率可以明顯提高,更有利于目標(biāo)的識別和遙感圖像的應(yīng)用。

3 結(jié) 語

通過對超分辨率復(fù)原算法的分析,在此采用一組低分辨率遙感圖像實(shí)現(xiàn)了遙感圖像的超分辨率復(fù)原,所得復(fù)原遙感圖像分辨率明顯提高,圖像中目標(biāo)可以清晰識別。近年來隨著超分辨率復(fù)原算法廣泛應(yīng)用,這一技術(shù)已經(jīng)成為一種新型的高分辨率圖像獲取方式,并在遙感圖像處理領(lǐng)域得到了一定的發(fā)展。但現(xiàn)有超分辨率處理技術(shù)仍存在著一定的問題,未來超分辨率處理技術(shù)的發(fā)展將集中在更準(zhǔn)確的圖像配準(zhǔn)算法、更接近實(shí)際情況的降質(zhì)模型以及結(jié)合新的知識領(lǐng)域?qū)ΜF(xiàn)有算法進(jìn)行改進(jìn)等方面。

參 考 文 獻(xiàn)

[1]Patti A J,Sezan M I,Tekalp A M.Superresolution Video Reconstruction with Arbitrary Sampling Lattices and Nonzero Aperture Time[J].IEEE Trans.on IP,1997,6(8):1 064[CD*2]1 076.