楊心雨，李參海，龔國(guó)輝，王晗，金澤

(1.遼寧工程技術(shù)大學(xué)，遼寧 阜新 123000；2.自然資源部國(guó)土衛(wèi)星遙感應(yīng)用中心，北京 100048)

0 引言

隨著近年來(lái)科學(xué)技術(shù)的快速發(fā)展，越來(lái)越多的信息可以通過(guò)一定的方式提供給人類使用，最常見(jiàn)的方式有視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等。其中圖像視覺(jué)所傳遞的信息占據(jù)60%以上。然而，我們見(jiàn)到的圖像大多因?yàn)槌上裼布O(shè)備限制或者受限于帶寬而進(jìn)行壓縮處理，導(dǎo)致圖像分辨率不高，但實(shí)際中人們都想要獲得清晰度更高的圖像。在遙感領(lǐng)域的實(shí)際應(yīng)用中，高分辨率的影像所包含的像素密度比較大，擁有更多有用的細(xì)節(jié)信息。分辨率的高低是圖像信息量大小的一種度量，也是評(píng)價(jià)影像質(zhì)量好壞最直觀的評(píng)價(jià)參數(shù)[1]，更是衡量一個(gè)國(guó)家衛(wèi)星遙感水平的重要標(biāo)志[2]，這些信息在遙感、測(cè)繪等應(yīng)用領(lǐng)域中起到了至關(guān)重要的作用。影像的分辨率在很多情況下會(huì)受到成像系統(tǒng)硬件設(shè)備的限制，也就是說(shuō)，提高空間分辨率最顯著的方法是優(yōu)化傳感器，但這種方法成本高、技術(shù)要求高，實(shí)際操作過(guò)程中難度較大，所以通常通過(guò)軟件方式，不需要對(duì)硬件設(shè)備進(jìn)行復(fù)雜的技術(shù)改進(jìn)，運(yùn)用改進(jìn)的圖像處理算法模型來(lái)處理圖像，在低分辨率影像的基礎(chǔ)上進(jìn)行優(yōu)化，得到較高分辨率的影像。目前在醫(yī)學(xué)成像、高清電視、軍事偵察、公關(guān)安全監(jiān)控、圖像壓縮、高分辨率深度圖像獲取等研究領(lǐng)域都有重大的應(yīng)用價(jià)值[3]。所以如何快速、高效地將圖像分辨率提高成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向，也由此出現(xiàn)了圖像超分辨率(super resolution image reconstruction，SRIR或SR)重建等研究課題。

圖像超分辨率重建技術(shù)由Tsai等[4]首次提出，這一技術(shù)的主要目的就是將低分辨率圖像轉(zhuǎn)化成分辨率盡可能高的圖像。經(jīng)過(guò)多年發(fā)展，出現(xiàn)了很多優(yōu)秀的算法模型，其中主要有基于插值的算法[5]、基于學(xué)習(xí)的算法[6-7]、基于建模的算法[8]，如圖1所示。現(xiàn)有的基于插值的算法包括最鄰近插值、雙線性插值法以及三次卷積插值法等[9]；基于學(xué)習(xí)的方法可以分為淺層學(xué)習(xí)和深度學(xué)習(xí)方法[10]?，F(xiàn)階段基于深度學(xué)習(xí)進(jìn)行遙感影像重建的方法廣受研究人員的歡迎。Jiang等[11]建立EEGAN網(wǎng)絡(luò)模型，用于增強(qiáng)圖像邊緣，降低影像噪聲影像。Ma等[12]將小波變換與遞歸神經(jīng)網(wǎng)絡(luò)Res-Net結(jié)合，用于預(yù)測(cè)高頻分量以及重構(gòu)圖像。Shao等[13]利用稀疏自動(dòng)編碼器(CSAE)學(xué)習(xí)低分辨率圖像與高分辨率圖像之間的映射關(guān)系，提高影像質(zhì)量。基于深度學(xué)習(xí)的影像超分辨率重建結(jié)果質(zhì)量較高，通常可以得到令研究者滿意的結(jié)果，但是這種方法所需要的影像集數(shù)據(jù)量大，對(duì)研究設(shè)備要求高，處理速度慢，在一些要求實(shí)時(shí)處理的項(xiàng)目研究中，這種方法通常無(wú)法滿足需求。Anime4K算法是由麻省理工學(xué)院研究人員提出，用于動(dòng)漫圖像分辨率的實(shí)時(shí)快速優(yōu)化處理。本文嘗試將該算法應(yīng)用于遙感影像超分辨率重建，由于直接應(yīng)用的效果不好，在此算法基礎(chǔ)上進(jìn)行了改進(jìn)，提高了對(duì)遙感影像的優(yōu)化效果，并將改進(jìn)算法與傳統(tǒng)的基于插值的超分辨率影像重建算法進(jìn)行了對(duì)比實(shí)驗(yàn)。

圖1 單張圖像超分辨率重建

1 原理

1.1 超分辨率圖像重建原理

超分辨率圖像重建是指用圖像處理和信號(hào)處理的方法，通過(guò)算法將已有的低分辨率(low-resolution，LR)圖像轉(zhuǎn)換成高分辨率(high-resolution，HR)圖像的技術(shù)[14]。超分辨率處理技術(shù)可分為兩類。一類是參考多幅同一場(chǎng)景的低分辨率圖像合成一幅高分辨率影像，另一類是只參考一幅現(xiàn)有的低分辨率影像，不依賴其他圖像，從單幅低分辨率圖像重建獲取高分辨率圖像。由于圖像分辨率低，所包含的信息相對(duì)較少，但是同一場(chǎng)景的多幅圖像所包含的信息必然比一幅圖像包含得多，所以運(yùn)用多幅低分辨率圖像重建超分辨率圖像的質(zhì)量更好。然而，實(shí)際上多幅圖像進(jìn)行超分辨率重建的算法對(duì)圖像要求必須要有亞像素的偏移才能實(shí)現(xiàn)超分辨率重建[15]。運(yùn)用單幅圖像進(jìn)行重建的算法對(duì)于圖像要求不高，所以其研究?jī)r(jià)值更大。

1.2 現(xiàn)存的問(wèn)題與Anime4K模型

傳統(tǒng)的遙感影像邊緣細(xì)化算法，例如邊緣銳化，通過(guò)計(jì)算低分辨率圖像和更低分辨率圖像之間的差異，來(lái)獲取低分辨率圖像的殘差，然后將殘差銳化后，再將其添加到低分辨率圖像中，完成對(duì)低分辨率影像的優(yōu)化。但是，使用銳化算法對(duì)遙感影像優(yōu)化時(shí)，容易產(chǎn)生振鈴和過(guò)沖，影響遙感影像的質(zhì)量。而基于學(xué)習(xí)的理論通過(guò)使用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、稀疏字典或圖像中自相似性來(lái)預(yù)測(cè)殘差，這種算法相較于邊緣細(xì)化算法效果更好，處理之后的影像質(zhì)量不易受影響。但基于學(xué)習(xí)的方法速度慢，對(duì)設(shè)備環(huán)境等要求高，實(shí)時(shí)性差，尤其在遙感領(lǐng)域，遙感影像的數(shù)據(jù)量龐大，每幅影像中都包含有大量信息，使用深度學(xué)習(xí)的方法進(jìn)行影像優(yōu)化需要耗費(fèi)大量的時(shí)間和數(shù)據(jù)才可以得出結(jié)果，速度慢且成本高，在很多情況下都難以實(shí)現(xiàn)或得到高質(zhì)量的結(jié)果。

Anime4K算法是應(yīng)用在動(dòng)漫圖像或視頻處理的一種基于超分辨率原理實(shí)時(shí)處理圖像的方法[16]。動(dòng)漫圖像紋理少，由線段和陰影組成[17]，Anime4K算法針對(duì)這一特點(diǎn)，先對(duì)圖像的紋理細(xì)節(jié)模糊，再對(duì)圖像線段進(jìn)行細(xì)化、增強(qiáng)處理，達(dá)到對(duì)動(dòng)漫整體優(yōu)化的目的，如圖2所示。相對(duì)于基于學(xué)習(xí)的影像優(yōu)化方法而言，這種SISR算法僅基于圖像進(jìn)行計(jì)算，速度快、效率高、更容易實(shí)現(xiàn)。相對(duì)于傳統(tǒng)邊緣細(xì)化算法，能夠解決振鈴和過(guò)沖的問(wèn)題，減少對(duì)影像質(zhì)量的影響，對(duì)比原影像與實(shí)驗(yàn)過(guò)后的影像，經(jīng)過(guò)Anime4K處理過(guò)的影像分辨率更高，可以更高效地獲取所需要的信息。

圖2 動(dòng)漫優(yōu)化效果圖

Anime4K算法是基于超分辨率影像重建原理r=HR-LRU來(lái)實(shí)現(xiàn)的，是一種單圖像超分辨率重建算法。一般來(lái)說(shuō)，對(duì)于高分辨率圖像，圖像可以分為低分辨率圖像和殘差兩部分。在數(shù)理統(tǒng)計(jì)中，殘差是指實(shí)際值與估計(jì)值之間的差。圖像之間的殘差指的是不同分辨率圖像之間的差值，殘差值越小，高分辨率圖像與低分辨率圖像之間分辨率相差越小，即低分辨率圖像越接近于高分辨率圖像。Anime4K算法為了提高計(jì)算速度與算法的性能，根據(jù)Sobel梯度最大化與殘差最小化相似的原理，使用Sobel算子計(jì)算梯度作為圖像的近似殘差。

為了驗(yàn)證Anime4K是否適用于遙感影像，本文選取高分二號(hào)和資源三號(hào)位于同一地理位置的影像圖，在對(duì)影像預(yù)處理后分別實(shí)驗(yàn)，得到每張圖所對(duì)應(yīng)的殘差值。圖3中高分二號(hào)影像分辨率為1 m，資源三號(hào)影像圖分辨率為2.1 m，高分二號(hào)分辨率高于資源三號(hào)分辨率，而高分二號(hào)所對(duì)應(yīng)梯度圖中的線條也明顯比資源三號(hào)影像梯度圖的線條更細(xì)。結(jié)果證明，HR=LR_U+r三者之間的關(guān)系在影像中是符合的。本文將這一算法應(yīng)用在遙感影像處理中，優(yōu)化遙感影像，并檢驗(yàn)其效果。

圖3 遙感影像及梯度圖

1.3 改進(jìn)的Anime4K算法

Anime4K算法主要通過(guò)改變邊緣殘差線寬來(lái)改善圖像效果。由于動(dòng)畫(huà)圖像紋理少、線條多，減少圖像紋理不會(huì)降低圖像質(zhì)量，所以先對(duì)圖像進(jìn)行模糊，這可以在一定程度上消除噪聲，在噪聲減少的基礎(chǔ)上進(jìn)行最小化殘差，效果更好。但是，遙感影像紋理多，模糊之后會(huì)丟失信息，降低影像質(zhì)量，對(duì)后續(xù)的地物提取、影像分割等常用的影像應(yīng)用有較大的影響?；谶b感影像的這一特性，去除Anime4K紋理模糊這一步驟，提出RS-Anime4K算法，重建超分辨率遙感影像。改進(jìn)后的算法主要通過(guò)計(jì)算影像亮度圖及殘差圖、細(xì)化邊緣及線條，然后將圖像顏色推向邊緣線條，導(dǎo)出影像圖。Anime4K算法使用Sobel算子代替高斯濾波計(jì)算殘差，但Sobel算子只有水平和垂直兩個(gè)方向的濾波器，在計(jì)算梯度時(shí)會(huì)丟失影像的一些紋理信息，所以本文增加兩個(gè)對(duì)角線的濾波器，使RS-Anime4K算法抗噪聲能力增強(qiáng)，邊緣信息更完整。從圖4可以看出，Anime4K對(duì)遙感影像已經(jīng)有了一定程度的優(yōu)化，但是仍然存在著模糊、視覺(jué)效果差的問(wèn)題；RS-Anime4K處理的影像結(jié)果更清晰，圖像的邊緣得到細(xì)化，亮度提高，視覺(jué)效果增強(qiáng)，并且在此基礎(chǔ)之上完成了對(duì)圖像的實(shí)時(shí)快速處理。

實(shí)驗(yàn)證明，Anime4K算法更適用于重視輪廓分明的線條或者犧牲精細(xì)紋理的圖像，在遙感影像處理時(shí)，會(huì)存在一定的局限性，改進(jìn)后的RS-Anime4K算法更適用于遙感影像。從處理結(jié)果可以看出，該方法對(duì)線狀地物有更好的優(yōu)化效果，為了驗(yàn)證這一假設(shè)，在后續(xù)實(shí)驗(yàn)中，對(duì)資源三號(hào)以及WorldView-2遙感影像使用最鄰近差值、雙線性插值、三次卷積插值法、Anime4K以及RS-Anime4K插值重建，對(duì)結(jié)果進(jìn)行對(duì)比，并且對(duì)處理之后的影像進(jìn)行邊緣提取、閾值分割，來(lái)驗(yàn)證實(shí)驗(yàn)結(jié)果的有效性。

圖4 資源三號(hào)改進(jìn)算法前后結(jié)果對(duì)比

1.4 RS-Anime4K算法實(shí)驗(yàn)流程及技術(shù)核心

1)實(shí)驗(yàn)流程。本文實(shí)驗(yàn)使用WorldView-2影像和資源三號(hào)影像進(jìn)行實(shí)驗(yàn)，影像優(yōu)化的過(guò)程主要包括以下步驟。

步驟1：輸入低分辨率影像，遍歷每個(gè)像素值。

步驟2：分別獲取其RGB三通道的值，并基于此得到遙感影像各個(gè)像素的亮度值。

步驟3：使用四方向Sobel濾波器代替高斯濾波計(jì)算梯度，并將其作為圖像的近似殘差值。

步驟4：進(jìn)行迭代計(jì)算對(duì)殘差最小化，同時(shí)對(duì)彩色圖像進(jìn)行相同的操作。

步驟5：輸出結(jié)果影像，如圖5所示。

圖5 RS-Anime4K算法流程圖

2)殘差最小化。根據(jù)前文可知，高分辨率圖像由殘差和低分辨率圖像兩部分組成，將殘差變薄、銳化之后，加到低分辨率圖像上，就可以得到一幅比之前分辨率更高的圖像，但是殘差如果出現(xiàn)錯(cuò)誤，尤其本文使用近似殘差的情況下，更容易引起振鈴或過(guò)沖，影響實(shí)驗(yàn)結(jié)果。因此，本文使用的方法是在對(duì)殘差進(jìn)行改變的同時(shí)，對(duì)原有的低分辨率圖像進(jìn)行相應(yīng)的改變，使殘差變細(xì)的同時(shí)，在彩色的低分辨率圖像上進(jìn)行相同的操作，這樣既可以使得圖像分辨率提高，也不會(huì)產(chǎn)生振鈴和過(guò)沖。

本文使用Sobel算子計(jì)算出每一個(gè)像素值八個(gè)方向的梯度之后，選取最大的梯度值作為該點(diǎn)的梯度值，并將梯度最大位置的像素值賦值給該像素，具體函數(shù)如式(1)所示。

G[i,j]=max(gα[i,j]),α=0,1,…,7

(1)

式中：gα[i,j]表示各像素的梯度值。

3)Sobel算子。高斯濾波是一種經(jīng)常使用的去噪濾波，用于降低或是消除高斯噪聲，適用于大部分噪聲符合高斯分布的圖像。

在實(shí)際應(yīng)用中，高斯濾波需要遍歷整幅影像的像素值，將各個(gè)像素值與其相鄰的其他像素值加權(quán)平均后得到的值代替之前的灰度值，速度較慢，且容易引起振鈴和過(guò)沖。Anime4K算法選用了Sobel濾波器代替高斯濾波，計(jì)算圖像梯度的近似值代替殘差。相比高斯濾波，Sobel濾波器計(jì)算簡(jiǎn)便，且在改善邊緣時(shí)不易造成振鈴和過(guò)沖。

Sobel是一種用于邊緣檢測(cè)的算子，包括兩個(gè)卷積因子，分別為橫向?yàn)V波器Gx和縱向?yàn)V波器Gy。兩個(gè)濾波器均與圖像做平面卷積，得出橫向和縱向的亮度差分近似值，分別提取水平邊緣和豎直邊緣。

Sobel算子計(jì)算簡(jiǎn)單，但是在計(jì)算時(shí)只能對(duì)垂直或者水平方向上的頻率起作用。RS-Anime4K算法在使用Sobel算子時(shí)，增加了對(duì)角線上兩個(gè)方向，與Gx、Gy共同構(gòu)成四方向的卷積模板。增加的兩個(gè)對(duì)角線濾波器分別如式(2)和式(3)所示。

(2)

(3)

4)亮度計(jì)算。發(fā)光亮度(luminance)指的是投射在固定方向和面積上面的發(fā)光強(qiáng)度。彩色圖像的亮度是通過(guò)獲取影像各像素值的R、G、B值，將三個(gè)值按照比重計(jì)算得出，亮度計(jì)算如式(4)所示。

lum=0.299*R+0.587*G+0.114*B

(4)

1.5 超分辨率圖像重建質(zhì)量評(píng)價(jià)

超分辨率重建后圖像的評(píng)價(jià)對(duì)于算法優(yōu)劣的評(píng)估具有重要意義，具體的可以分為主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法[18]。主觀評(píng)價(jià)方法難以具體量化，一般通過(guò)目視判別的方式，通過(guò)人眼主觀進(jìn)行判斷；而客觀評(píng)價(jià)方法可以通過(guò)信息熵、峰值信噪比(peak signal to noise ratio，PSNR)[19]、結(jié)構(gòu)相似性指數(shù)(structure similarity image measure，SSIM)[20]、特征相似性指數(shù)(feature similarity index，F(xiàn)SIM)[21]等指標(biāo)計(jì)算影像處理結(jié)果與高分辨率參考圖像之間的差值來(lái)對(duì)實(shí)驗(yàn)結(jié)果質(zhì)量進(jìn)行量化評(píng)估。

1)信息熵。信息熵是基于一定的統(tǒng)計(jì)概率模型，用于描述一個(gè)隨機(jī)過(guò)程中離散隨機(jī)事件平均信息量的概念。在遙感影像質(zhì)量分析中，影像信息量的多少可以通過(guò)信息熵來(lái)表示，在判斷影像質(zhì)量時(shí)，可以作為一種客觀評(píng)價(jià)方法對(duì)實(shí)驗(yàn)效果進(jìn)行判斷。

2)結(jié)構(gòu)相似性。結(jié)構(gòu)相似性是衡量?jī)煞鶊D像相似性的指標(biāo)，通過(guò)亮度(luminance)、對(duì)比度(contrast)、結(jié)構(gòu)(structure)三個(gè)方面來(lái)計(jì)算。SSIM是超分辨率影像重建算法中一個(gè)重要的評(píng)價(jià)指標(biāo)。

3)峰值信噪比。峰值信噪比常用作超分辨率影像重建的定量質(zhì)量評(píng)價(jià)指標(biāo)。通過(guò)均方誤差(MSE)進(jìn)行計(jì)算。

2 實(shí)驗(yàn)分析

2.1 超分辨率影像重建對(duì)比實(shí)驗(yàn)

本文實(shí)驗(yàn)包括兩部分，第一部分是使用不同超分辨率影像重建算法處理影像結(jié)果的對(duì)比。Hossain等[22]認(rèn)為超分辨率影像重建中最鄰近算法、雙線性插值法、三次卷積插值法均有較好的處理效果且計(jì)算步驟復(fù)雜度低，所以本文選取了這三種經(jīng)典算法與本文方法進(jìn)行對(duì)比實(shí)驗(yàn)。第二部分是對(duì)算法處理結(jié)果的進(jìn)一步驗(yàn)證，包括影像分割驗(yàn)證以及影像重建量化指標(biāo)評(píng)價(jià)兩部分。

圖6和圖7是資源三號(hào)和WorldView-2影像分別使用幾種算法進(jìn)行超分辨率重建實(shí)驗(yàn)后的對(duì)比。

圖6 不同方法的資源三號(hào)超分辨率重建影像與高分二號(hào)影像對(duì)比

圖7 不同方法的WorldView-2超分辨率重建影像結(jié)果對(duì)比

從實(shí)驗(yàn)結(jié)果可以看出，Anime4K算法并不適用于遙感影像，該方法的影像處理效果不如傳統(tǒng)算法，甚至沒(méi)有原影像的質(zhì)量高。而改進(jìn)后的RS-Anime4K算法對(duì)遙感影像的優(yōu)化取得了大幅度的提升，相較于其他幾種超分辨率重建算法，本文算法重建效果最優(yōu)，尤其是在圖像邊緣。從兩組實(shí)驗(yàn)結(jié)果可以看出，RS-Anime4k算法對(duì)道路的優(yōu)化有明顯的效果，使道路邊緣清晰度更高，這一結(jié)論在影像中道路等線狀地物的優(yōu)化上有較大的應(yīng)用價(jià)值。

2.2 實(shí)驗(yàn)驗(yàn)證

1)影像分割方法驗(yàn)證。在遙感影像的處理過(guò)程中，影像分割、地物提取等是遙感應(yīng)用中的關(guān)鍵步驟，它會(huì)直接影響后續(xù)工作的準(zhǔn)確度。本文為驗(yàn)證圖像處理效果，分別選取了基于閾值的分割方法中的固定閾值算法、Canny算子、Laplace算子分別對(duì)各影像重建算法的結(jié)果進(jìn)行驗(yàn)證，如圖8至圖10所示。

圖8 Canny邊緣提取算法

圖9 固定閾值分割算法

圖10 Laplace算子

2)超分辨率圖像重建指標(biāo)評(píng)價(jià)。本文計(jì)算了WorldView-2影像實(shí)驗(yàn)結(jié)果圖的信息熵、SSIM、PSNR。計(jì)算PSNR以及SSIM兩個(gè)指標(biāo)時(shí)，首先，對(duì)WorldView-2影像使用高斯濾波進(jìn)行卷積計(jì)算；然后，對(duì)影像進(jìn)行模糊處理；接著，對(duì)模糊之后的影像進(jìn)行超分辨率影像重建實(shí)驗(yàn)；最后，對(duì)結(jié)果與原影像進(jìn)行計(jì)算，計(jì)算結(jié)果如表1所示。

表1 影像處理評(píng)價(jià)指標(biāo)

3 實(shí)驗(yàn)結(jié)果分析

根據(jù)對(duì)比資源三號(hào)和WorldView-2經(jīng)過(guò)RS-Anime4K算法實(shí)驗(yàn)前后的影像、驗(yàn)證實(shí)驗(yàn)、影像質(zhì)量評(píng)價(jià)量化指標(biāo)，可以得出以下結(jié)論。

1)通過(guò)人眼主觀判別可以看出，RS-Anime4K對(duì)兩組實(shí)驗(yàn)的影像圖都有著明顯的優(yōu)化效果，且優(yōu)于其他幾種影像重建算法。影像分辨率明顯提高，尤其道路、農(nóng)田邊界等影像邊緣部分。

2)在對(duì)幾種重建算法的結(jié)果進(jìn)行影像分割的驗(yàn)證實(shí)驗(yàn)中，在任意選取的幾種提取邊界、道路的算法中，使用本文算法處理后的影像都得到了相對(duì)于其他影像重建算法更好的效果。在利用Canny算子提取邊緣時(shí)，RS-Anime4K處理結(jié)果影像所提取的邊緣更清晰、更全面。使用固定閾值法提取道路時(shí)，本文算法處理后的影像提取的道路更連續(xù)、效果更好。使用Laplace算子提取邊緣時(shí)，細(xì)節(jié)提取更完整，與原始影像匹配度更高。但從結(jié)果來(lái)看，仍然存在一些噪聲誤差。

3)對(duì)實(shí)驗(yàn)影像超分辨率重建質(zhì)量定量評(píng)價(jià)時(shí)，從表1可以看出，本文方法處理之后影像的信息熵的值為7.521 90，信息量顯著提升，并且明顯高于其他幾幅實(shí)驗(yàn)處理影像。比較SSIM以及PSNR時(shí)，RS-Anime4K實(shí)驗(yàn)處理影像與原影像圖的SSIM值為0.981 8，PSNR值為26.770 7，兩個(gè)指標(biāo)的值均為幾種算法中最高。而改進(jìn)前算法的處理結(jié)果值要低于其他幾種插值算法，證明RS-Anime4K算法相較于Anime4K算法實(shí)驗(yàn)處理結(jié)果得到了明顯提升，同時(shí)優(yōu)于其他幾種插值算法。

綜上，主觀評(píng)判與客觀評(píng)價(jià)結(jié)果一致證明了本文算法的科學(xué)性、正確性、有效性。與其他幾種超分辨率處理技術(shù)相比，本文算法具有更大的優(yōu)勢(shì)和應(yīng)用價(jià)值。

4 結(jié)束語(yǔ)

本文根據(jù)高分辨率影像的基本特征與超分辨率算法重建影像的特點(diǎn)，針對(duì)超分辨率影像重建容易引起振鈴[23]、過(guò)沖[24]，及處理速度低等問(wèn)題，提出了一種基于Anime4K算法改進(jìn)的RS-Anime4K算法。該算法依據(jù)影像與殘差之間的關(guān)系進(jìn)行影像重建，解決了常見(jiàn)算法存在的問(wèn)題的同時(shí)，有效地提高了影像的分辨率?；趯?shí)驗(yàn)結(jié)果，首先，通過(guò)人眼判別，對(duì)比各算法重建影像的結(jié)果證明了本文算法的優(yōu)勢(shì)；其次，對(duì)實(shí)驗(yàn)處理結(jié)果進(jìn)行影像分割提取實(shí)驗(yàn)，從提取結(jié)果可以看出，運(yùn)用本文算法處理過(guò)的影像質(zhì)量最高，對(duì)后續(xù)影像的處理、應(yīng)用有很大的幫助；最后，通過(guò)比較三個(gè)客觀評(píng)價(jià)量化指標(biāo)的計(jì)算結(jié)果，發(fā)現(xiàn)本文的算法同樣優(yōu)于其他幾種超分辨率重建算法。綜合主觀評(píng)判與客觀評(píng)價(jià)結(jié)果，本文算法相較于傳統(tǒng)算法在影像邊緣優(yōu)化上取得了更加理想的結(jié)果，在衛(wèi)星影像的應(yīng)用中具有更大的優(yōu)勢(shì)與應(yīng)用價(jià)值。