[發明專利]基于稀疏表示和偏微分模型的遙感圖像放大方法

在審

• 申請號: 201810038948.4
• 申請日: 2018-01-16
• 公開（公告）號: CN108364255A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 宋傳鳴;王相海;李智;張愛迪
• 申請（專利權）人: 遼寧師范大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06K9/62
• 代理公司: 大連非凡專利事務所 21220
• 代理人: 閃紅霞

本發明公開一種基于稀疏表示和偏微分模型的遙感圖像放大方法，屬于圖像處理領域，首先，通過引入范數約束和概率密度約束設計了基于稀疏表示的圖像放大模型，用范數約束保證像素位置的相似性，而用像素的概率密度約束保證像素值的相似性，從而減少了因稀疏編碼的近似值而引入的噪聲；其次，設計了一種基于該稀疏模型的用于圖像放大后處理的偏微分模型，用保真項和還原項保證遙感圖像放大后的邊緣區域和細節紋理的特征，用包含一階和二階導數特征的懲罰項保持放大圖像的曲率特征。

技術領域

本發明涉及圖像處理領域，尤其是一種對噪聲魯棒性強的、邊緣和紋理細節特征保持效果好的基于稀疏表示和偏微分模型的圖像放大方法。

背景技術

在基于遙感的目標識別、邊緣檢測、地物分割、圖像融合和圖像解譯等應用中，遙感圖像的空間分辨率作為衡量一個重要指標直接影響后續的處理效果，分辨率越高，從圖像中所獲得關于目標的信息就越豐富。因此，空間分辨率增強（亦稱圖像放大）成為遙感圖像處理的基礎熱點問題之一。

提高遙感圖像的空間分辨率通常有兩種途徑：一是提高成像系統的硬件性能；二是建立成像的物理和數學模型，再通過軟件來提高分辨率。前者的實現代價較大、周期長，且受制于硬件技術的發展，而后者因不存在這些限制已受到越來越多的關注。

典型的圖像放大方法主要分為三大類：基于插值的放大方法、基于偏微分方程模型的放大方法和基于稀疏表示的放大方法。

基于插值的放大方法主要通過插值函數計算插值點的像素，如最鄰近插值、雙線性插值、雙三次插值等。由于傳統插值方法只是在視覺上放大了圖像的尺寸，并未有效恢復圖像的高頻信息，不適合對精度要求較高的遙感圖像做放大處理。在此基礎上，研究人員又提出了基于邊緣的插值法、基于小波的插值法和基于方向模板的插值法等?；谶吘壍牟逯捣ㄔ噲D找到圖像中的灰度跳躍較大的點，在這些點處按照梯度垂直方向插值，其他點處則用傳統的插值法，如吳良武等人提出的保持輪廓清晰光滑的灰度圖像放大算法；基于小波的插值法是在高頻子帶上插值，結合原始圖像進行逆變換，得到高分辨率圖像；基于方向模板插值通過構造多個方向模板來計算插值點所處的方向，并為不同的方向采取不同的插值方法。

基于偏微分方程模型的放大方法以圖像的先驗知識為約束條件，構造一個能量泛函，使高分辨率圖像朝著低分辨率圖像的幾何特征進行擴散，當圖像滿足先驗知識時能量泛函達到最小值，典型方法包括：非均值濾波法、凸集投影法（Projection onto ConvexSets, POCS）、全變分模型（Total Variantion, TV）等。非均值濾波法假設圖像的像素塊之間存在普遍的重復性，利用其他像素塊與當前像素塊的相似性進行加權平均；凸集投影法是圖像修復領域的重要方法之一，它將先驗知識定義為歐幾里得空間上的一個凸集合，所有集合的交集就是所求的高分辨率圖像。李丹萍等人在POCS算法的基礎上，又提出了基于邊緣優化的POCS法，在原始算法的基礎上增加了對圖像邊緣的保護。不過，基于偏微分方程的方法在本質上依賴像素值的擴散，雖然能很好地抵抗噪聲干擾，可是對圖像細節等高頻信息的處理效率仍然有限。

基于稀疏表示的放大方法最早由楊建超等人首次提出，其基本思路是通過對一系列高分辨率圖像和低分辨率圖像的特征塊進行稀疏字典訓練，得到兩個高、低分辨率的特征塊字典，并假設高、低分辨率的特征塊在相應字典中的稀疏系數相同，進而利用低分辨率圖像的稀疏系數和高分辨率字典求出高分辨率圖像。后來，Elad等人通過調整算法框架結構來簡化字典訓練過程，減少了程序運行時間；孫玉寶等人提出多形態稀疏性正則化的思路，建立類內強稀疏而類間強不相干的字典，用于多幀圖像放大；范九倫等人利用小波變換低頻子帶與高頻子帶位置的對應關系作為低分辨率字典與高分辨率字典的對應關系，消除了楊建超等人算法對字典訓練的限制，使字典訓練更為精確；李民等人則考慮到高、低分辨率圖像塊稀疏的相關性，提出了非局部聯合稀疏近似的圖像放大算法，應用圖像自身的跨頻率相似性完成字典訓練，從根本上消除了楊建超的方法對樣本的依賴性。盡管基于稀疏表示的圖像放大方法的重建清晰度高、細節信息豐富，可是對噪聲卻非常敏感，且受訓練樣本影響較大，運行時間也較長。