【技术实现步骤摘要】
本专利技术涉及遥感成像
,具体而言涉及一种基于字典学习的遥感图像超分辨率方法。
技术介绍
随着计算机科学和空间科学的发展,遥感技术特别是遥感成像得到了迅速的发展。影像空间分辨率是遥感影像质量评价的一项关键性指标,也是遥感成像应用中举足轻重的一个参数,在影像的获取和应用中至关重要。与传统的中低分辨率遥感图像相比,高分辨率遥感图像可以清楚地表达地物目标的特征分布和空间关联,可分辨出地物目标内部更为详细的结构组成,为解译分析提供良好的条件和基础。近年来,高分辨率遥感影像的优势更加明显,己经广泛应用于测绘制图、交通建设、资源环境、农业林业、军事解译、灾害监测等各个领域,成为不可或缺的重要手段。然而,在数字图像获取过程中,有很多因素会造成图像分辨率的下降,例如成像设备与被拍摄对象之间的相对运动引起的图像变形,大气扰动、成像设备光学部件引起的图像模糊,采样造成的频率混叠,以及成像、传输过程中引入的噪声等。为了克服制造工艺和成本的限制,利用数字信号处理技术提高图像分辨率的方法越来越受到广泛关注,相关的方法被称为超分辨率(Super Resolution,简称SR)图像重构。现有的超分辨率方法大致包括三种:基于插值的方法、基于重建的方法和基于学习的方法。基于学习的超分辨率方法比较典型的有基于样本(Example-based)的方法、邻域嵌入(neighbor embedding)的方法、支持向量回归方法(SVR)和稀疏表示的方法。但随着图像重构对分辨率的要求越来越高,这些现有的方法在对观测范围更大、纹理信息更丰富、不同地物类型地貌特征的遥感图像的重构已经不能满足要 ...
【技术保护点】
一种基于字典学习的遥感图像超分辨率方法,其特征在于,该遥感图像超分辨率方法包括:步骤1:针对不同地物类型的图像库,进行对应地物类型的字典学习;步骤2、对原始图像进行地物类型识别;以及步骤3、使用对应地物类型字典,进行图像超分辨率重构过程。
【技术特征摘要】
1.一种基于字典学习的遥感图像超分辨率方法,其特征在于,该遥感图像超分辨率方法包括:步骤1:针对不同地物类型的图像库,进行对应地物类型的字典学习;步骤2、对原始图像进行地物类型识别;以及步骤3、使用对应地物类型字典,进行图像超分辨率重构过程。2.根据权利要求1所述的基于字典学习的遥感图像超分辨率方法,其特征在于,所述步骤1的字典学习包括如下步骤:11)对输入的高分辨率训练图像进行预处理;12)对预处理后的图像进行特征提取,构建低分辨率图像块集;13)对每个类别的低分辨率图像块集进行训练,得到低分辨率字典和对应的训练图像块稀疏表示的系数向量,并据此获得高分辨率字典。3.根据权利要求2所述的基于字典学习的遥感图像超分辨率方法,其特征在于,所述步骤11)对输入的高分辨率训练图像进行预处理,其实现包括:111)对于输入高分辨率训练图像根据下述式子(1)得到对应的低分辨率图像该过程为插值过程:其中为双三次插值算子,为低通滤波器,为下采样算子,v~N(0,σ2I)表示v属于均值为0,方差为σ2I的高斯分布;112)根据(1)式中的输出用式子(2)移走低频信息:1...
【专利技术属性】
技术研发人员:孙权森,王超,刘亚洲,张从梅,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。