基于字典学习的遥感图像超分辨率方法技术

本发明专利技术提供一种基于字典学习的遥感图像超分辨率方法，该方法包括：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；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。本发明专利技术利用地物分类的思想，提出的基于分类字典的超分辨率方法。由于在重构过程使用的字典中原子的数目大幅降低，使得字典规模大幅降低，且使用的分类字典中有效原子数目的比例大幅增加，所以在重构过程使用字典中有效原子数目与通用字典几乎相同，保证重构质量的同时，大幅提高了重构速度。该过程只涉及到参数的调节，计算效率高，对于遥感图像的重构质量高。

【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求。这三种超分辨率方法都使用通用的字典进行重构。由于遥感图像的观测范围更大、纹理信息更丰富、不同地物类型地貌特征丰富，这样为达到一定的重构效果，字典的规模将会增大以保证有效原子的数目，造成重构速度过慢。
技术实现思路
为解决现有技术存在的缺陷或不足，本专利技术旨在针对遥感图像观测范围更大、纹理信息更丰富、不同地物类型地貌特征丰富的特点，提出了一种基于不同地物类型分类学习字典的遥感图像超分辨率方法。本专利技术的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。为达成上述目的，本专利技术所采用的技术方案如下：基于字典学习的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。进一步的实施例中，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；进一步的实施例中，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： y l = Qz l = Q ( SHy h + v ) = L all y h + v ~ - - - ( 1 ) ]]>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： e h j = y h j - y l j - - - ( 2 ) ]]>113)预处理结束。 进一步的实施例中，前述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，其实现包括：121)利用下式(3)，使用R个高通滤波器，提取图像中与高频信息对应的局部特征，使得每个低分辨率图像都得到一个滤波图像集合： { f r * y l j本文档来自技高网...

【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