遙感圖像超分辨率復(fù)原算法的仿真實(shí)現(xiàn)

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(duì)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(shí)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(shí)別

中圖分類號(hào):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(guò)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(guò)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(duì)高分辨率遙感圖像的需求越來(lái)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(lái)越無(wú)法滿足實(shí)際需求,獲取成本也越來(lái)越高。通過(guò)超分辨率處理技術(shù)獲得高分辨率遙感圖像的方法越來(lái)越受到遙感圖像應(yīng)用界人士的青睞。

對(duì)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(jí)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(méi)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(lái)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(shí),成為國(guó)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(duì)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(lái)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(cè)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(lái),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(guò)程中運(yùn)動(dòng)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(dòng)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(cè)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(lái)自于不同的幾個(gè)相機(jī)時(shí)具有的模糊和噪聲便無(wú)法保持相同,此外由于恢復(fù)時(shí)忽略了插值過(guò)程中引入的誤差,無(wú)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(guò)連續(xù)仿真和校正來(lái)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(wú)法將先驗(yàn)知識(shí)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(duì)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(guò)迭代低分辨率圖像序列使之滿足對(duì)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(jiǎn)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(duì)遙感圖像分辨率降低的過(guò)程進(jìn)行研究,通過(guò)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(guò)程。

高分辨率遙感圖像經(jīng)過(guò)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(guò)程中信道的噪聲加入到已經(jīng)變壞的遙感圖像信號(hào)中,接收端獲得的遙感圖像也就是觀測(cè)到的低分辨率遙感圖像。通過(guò)分析降質(zhì)模型可知,遙感圖像復(fù)原過(guò)程如圖4所示。

該部分提出了一種用Matlab對(duì)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(guò)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(guò)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(guò)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(duì)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(duì)于參考圖像的運(yùn)動(dòng)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(guò)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(guò)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(duì)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(wú)法識(shí)別,但通過(guò)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(shí)別。遙感圖像中部的機(jī)場(chǎng)部分跑道輪廓清晰,機(jī)場(chǎng)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(shí)別和遙感圖像的應(yīng)用。

3 結(jié) 語(yǔ)

通過(guò)對(duì)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(shí)別。近年來(lái)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(wèn)題,未來(lái)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(shí)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.