一种基于正则化滤波器的高分遥感图像复原方法技术

本发明专利技术提供了一种基于正则化滤波器的高分遥感图像复原方法，本发明专利技术针对高分遥感图像在成像中不可避免受到噪声、模糊与混叠的影响，致使图像质量严重下降问题，提出傅立叶域正则化滤波器，以将降质因素对高分遥感图像的影响分析引入于图像复原，实现正则化约束，提高高分图像复原算法的稳定性。在此基础上，联合正则化滤波器与t分布混合模型复原图像，从两个方面入手最终提高高分遥感图像质量。本发明专利技术一方面利用t分布的重尾特性，提高混合模型的结构化图像建模能力，以利于图像复原；另一方面联合正则化滤波器，抑制降质因素对图像复原的干扰，以进一步提高高分遥感图像复原效果。

A method of high resolution remote sensing image restoration based on regularization filter

【技术实现步骤摘要】
一种基于正则化滤波器的高分遥感图像复原方法
本专利技术属于遥感信息处理领域，尤其涉及一种基于正则化滤波器的高分遥感图像复原方法。
技术介绍
高分辨率(高分)遥感卫星技术在促进国民经济建设、军事安全、推动技术创新与发展中发挥着重要作用，已被列入《国家中长期科学和技术发展规划纲要》中的重大专项。高质量图像是遥感卫星图像应用业务顺利开展的基础,可以大幅度提高图像分辨率，对于武警等军事领域的研究有着重要的意义，尤其是在查岗查哨、地图兵要信息以及军事侦察、警戒、情报获取等方面有着广泛的应用。遥感图像在成像过程中不可避免受到降质因素影响，导致图像质量严重下降。为此，通过复原方法去除降质因素对图像质量的影响，是高分遥感图像地面处理系统不可或缺的重要环。逆滤波在无噪声或图像频谱中无调制传递函数过零点的情况下，可获得较好的复原图像。伪逆滤波方法主要包括广义逆法、奇异值分解伪逆法及其改进方法。这类方法对噪声依然敏感，往往得到不稳定的复原结果。已有的图像复原方法主要涉及图像去噪与去模糊问题，且对自然图像研究较多。高分遥感图像复原受噪声，模糊与混叠三个问题困扰(彼此相互关联与制约)，是一项具有挑战的研究课题。对于高分遥感图像，除噪声与模糊问题外，混叠问题不可避免，理论上可设计反混叠器解“较好地”解决此问题，但如此一则容易产生振铃效应；二则容易降低图像的信噪比。众所周知，图像复原通常是一个病态的反问题，研究与发展图像建模理论，继而构建图像先验模型成为诸多工作的重点。但在实际图像复原中，降质因素容易导致复原算法不稳定。目前在降质因素对图像复原方法影响方面的研究相对较少，有待推进。最近，基于高斯混合模型学习的图像建模引起了学者们的关注。这种方法假设一幅图像可由高斯混合模型表示，一个图像片对应某一高斯分布模型，通过对全图各图像片的统计学习终获得混合模型。基于高斯混合模型学习的图像建模可视为一种结构化稀疏表示方法。相对于字典学习方法，高斯混合模型学习方法时间消耗较低，数学机理容易理解。不足的是，高斯混合模型对噪声等降质因素较为敏感，将其用于图像复原同样遭遇不稳定问题。可以预测，寻求更具鲁棒性的有限混合模型将是后续图像建模方法研究的一种趋势。综上所述，图像复原模型与图像建模理论联系紧密，被广泛研究的图像建模方法，如平滑约束图像建模，非局部图像建模，稀疏表示建模一经提出即推动了图像复原方法的发展与进步。虽然目前结构化图像建模方法，如结构化稀疏表示以及基于高斯混合模型的图像建模方法，在图像复原应用中取得了新的进展，但其建立的复原模型往往是非凸的，降质因素往往会严重影响模型求解的稳定性。从正则化角度讲，若要获得较好的复原效果，需引入更多的先验知识或相关约束，以缩小问题求解空间。需要指出的是，上述先验知识或相关约束不仅指图像，还应包括降质因素，但目前诸多工作偏重于图像先验知识研究。虽有大量的图像噪声、模糊的估计与检测工作，以及近开展的模糊因素对图像超分辨率的影响研究，但关于综合分析降质因素对高分遥感图像复原影响的研究，尚需深化。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于正则化滤波器的高分遥感图像复原方法，包括如下步骤：步骤1、输入遥感卫星获得的退化遥感图像；步骤2、对输入的退化遥感图像，利用傅立叶变化，得到对应的傅立叶频谱图像；(参考文献：冈萨雷斯(Gonzalez，R.C.)等.《数字图像处理(第二版)》.电子工业出版社.2003)步骤3、进行高分遥感图像频谱分布建模；步骤4、对退化遥感图像进行频谱分析；步骤5、设计正则化滤波器；步骤6、提取潜在的高频成分，获取到图像片中位于光学系统与探测元截至频率间潜在的非冗余高频信息；步骤7、复原图像片；步骤8、进行全图重建。步骤3包括：步骤3-1，收集高分遥感图像，建立高分图像数据集，并将高分图像数据集的图像作傅立叶变换，得到傅立叶频谱图集；步骤3-2，依据傅立叶频谱图集，计算集合中各频谱图频谱能量(参考文献：冈萨雷斯(Gonzalez，R.C.)等.《数字图像处理(第二版)》.电子工业出版社.2003)，利用回归分析建立图像频谱分布的先验模型(参考文献：谢宇.《回归分析》，社会科学文献出版社。2010)；步骤3-3，对退化图像作傅立叶变换，通过盒形空间滤波器提取低频图像频谱(参考文献：MilanSonka，VaclavHlavac，RogerBoyle著.《图像处理、分析与机器视觉·第4版》.清华大学出版社,2016.)；步骤3-4，基于步骤3-3得到的低频图像频谱，利用统计0度到180度方向能量分布，据此计算各方向相应的权重系数，具体公式为：其中Wθ表示方向的权重系数；E表示θ方向上的低频图像频谱能量之和；σE为调节参数；步骤3-5，将权重系数Wθ与先验模型相乘而耦合，即建立了与退化遥感图像对应的高分遥感图像频谱分布模型。步骤4包括：步骤4-1，利用已知的降质因素，计算相对噪声函数anoise和相对混叠函数balia(参考文献：Almansa,A.,Burand,S.,Rouge,B.:Measuringandimprovingimageresolutionbyadaptationofthereciprocalcell.J.Math.ImagingVis.21,235–279(2004))；步骤4-2，利用相对噪声函数与相对混叠函数，建立评估函数Eva(C)，分析退化遥感图像频谱各处受退化因素影响的程度，具体公式为：其中，γ与分别为傅立叶域坐标；步骤4-3，运用计算退化遥感图像频谱点各处不同的分值，然后通过累加各点分数值，并与退化遥感图像支撑域即图像大小相比，以评价退化图像质量。步骤5包括：步骤5-1，利用傅立叶变换理论[4]，得到高分遥感图像退化模型的傅立叶变换形式(参考文献：章毓晋.《图像处理》(第三版).清华大学出版社，2012)；步骤5-2，利用评价函数在光学系统截止频率内评估各点频谱；步骤5-3，设计正则化滤波器首先设置阈值ω＝0.8，若一频谱处值大于阈值，表示此处图像频谱受降质因素影响较小，置频率点值为分钟置为表示该处图像频谱受降质因素影响较大，如此，值为1的频率点组成掩模，即为所需的滤波器。因为这一滤波器自适应于图像频谱，其支撑域所对应的图像频谱受降质因素影响较小，因此具有正则化约束的作用。图像片组正则化滤波器设计的技术路线，与上述技术路线基本类似，不同在于将基于组内各图像片的频谱分析。步骤6包括：步骤6-1，将输入的退化遥感图像划分为N个以各像素点为中心大小为的图像片，并对这些图像片作傅立叶变化，得到对应的图像片频谱；步骤6-2，将步骤6-1得到的图像片频谱沿傅立叶空间坐标延拓；步骤6-3，将延拓后的图像频谱，利用正则化滤波器提取潜在的高频成分；步骤6-4，考虑到潜在的高频成分其频谱支撑域可能不规则，采取频域补零措本文档来自技高网...

【技术保护点】
1.一种基于正则化滤波器的高分遥感图像复原方法，其特征在于，包括如下步骤：/n步骤1、输入遥感卫星获得的退化遥感图像；/n步骤2、对输入的退化遥感图像，利用傅立叶变化，得到对应的傅立叶频谱图像；/n步骤3、进行高分遥感图像频谱分布建模；/n步骤4、对退化遥感图像进行频谱分析；/n步骤5、设计正则化滤波器；/n步骤6、提取潜在的高频成分，获取到图像片中位于光学系统与探测元截至频率间潜在的非冗余高频信息；/n步骤7、复原图像片；/n步骤8、进行全图重建。/n

【技术特征摘要】
1.一种基于正则化滤波器的高分遥感图像复原方法，其特征在于，包括如下步骤：
步骤1、输入遥感卫星获得的退化遥感图像；
步骤2、对输入的退化遥感图像，利用傅立叶变化，得到对应的傅立叶频谱图像；
步骤3、进行高分遥感图像频谱分布建模；
步骤4、对退化遥感图像进行频谱分析；
步骤5、设计正则化滤波器；
步骤6、提取潜在的高频成分，获取到图像片中位于光学系统与探测元截至频率间潜在的非冗余高频信息；
步骤7、复原图像片；
步骤8、进行全图重建。


2.根据权利要求1所述的方法，其特征在于，步骤3包括：
步骤3-1，收集高分遥感图像，建立高分图像数据集，并将高分图像数据集的图像作傅立叶变换，得到傅立叶频谱图集；
步骤3-2，依据傅立叶频谱图集，计算集合中各频谱图频谱能量，利用回归分析建立图像频谱分布的先验模型；
步骤3-3，对退化图像作傅立叶变换，通过盒形空间滤波器提取低频图像频谱；
步骤3-4，基于步骤3-3得到的低频图像频谱，利用统计0度到180度方向能量分布，据此计算各方向相应的权重系数，具体公式为：



其中Wθ表示θ方向的权重系数；E表示θ方向上的低频图像频谱能量之和；σE为调节参数；
步骤3-5，将权重系数Wθ与先验模型相乘而耦合，即建立了与退化遥感图像对应的高分遥感图像频谱分布模型。


3.根据权利要求2所述的方法，其特征在于，步骤4包括：
步骤4-1，利用已知的降质因素，计算相对噪声函数anoise和相对混叠函数balia；
步骤4-2，利用相对噪声函数与相对混叠函数，建立评估函数Eva(C)，分析退化遥感图像频谱各处受退化因素影响的程度，具体公式为：



其中，γ与分别为傅立叶域坐标；
步骤4-3，运用计算退化遥感图像频谱点各处不同的分值，然后通过累加各点分数值，并与退化遥感图像支撑域即图像大小相比，以评价退化图像质量。


4.根据权利要求3所述的方法，其特征在于，步骤5包括：
...

【专利技术属性】
技术研发人员：崔自峰，闫修林，张庆海，施荣荣，谢亚妮，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏;32