基于图像类推的遥感图像超分辨率技术

第30卷第1期2010年1月

算机应用

Journal of Computer App licati ons

ol.30No.1

Jan.2010

文章编号: 1001-9081(2010)01-0061-04

基于图像类推的遥感图像超分辨率技术

喻继业1,吴炜1,2,滕奇志1,石一兴1

(1.四川大学电子信息学院,成都610064; 2.江西省数字国土重点实验室,江西抚州344000)

(yujiye@g mail.co m)

摘要:由于卫星上相机距离拍摄景物较远,所以遥感图像分辨率一般较低。为了获得较高分辨率的图像。提出将图像类推技术(I A)与立方卷积插值法相结合的方法;并在学习样本集合建立过程中引入一种新的思路,直接对高分辨率图像的高频细节信息进行学习。实验结果表明,该方法不仅提高了放大图像的清晰程度,而且较一般的图像类推算法,能产生更为合理的细节以增强图像,使放大后的遥感图像更为逼真。

关键词:图像类推;超分辨率;遥感图像;立方卷积插值

中图分类号:TP751文献标志码:A

I mage2ana log i es ba sed super resoluti on for rem ote sen si n g i m ages

Y U J i2ye1,WU W ei1,2,TENG Q i2zhi1,SH I Yi2xin1

(1.College of Electron ics and Infor m a tion Eng ineering,S ichuan U niversity,Chengdu S ichuan610064,China

2.J iangx i Province Key L abora tory for D igita l Land, Fuzhou J iangx i344000,Ch ina)

Abstract:Due t o the l ong distance bet w een satellite ca mera and the site,the res oluti on of re mote sensing i m age is l ow.

I n order t o get high resoluti on i m age,I m age Anal ogies(I A)technol ogy and cubic convoluti on inter polati on algorith m were

combined,and a ne w idea that studied the high2frequency details of the high res oluti on i m age directly in the learning set was p r opo sed.The exp e ri m en ta l re su lts show tha t th is method can not only a mp lify i m ages m uch more sha r p ly,but als o genera te mo re rea s onab le de ta ils t o enhance the i m age than gene ra l i m age ana l ogie s m e thod.Thu s,the a mp lified re mo te sen sing i m age becomes more vivid.

Key words:I m age Anal ogies(I A);super res oluti on;re mote sensing i m age;cubic conv oluti on inter polati on

0引言

遥感卫星的飞行高度一般在600km到 4 000km之间。由于CCD相机距离景物较远,所以图像分辨率较低。为了提高图像的分辨率,最常见的方法是插值法。包括最近邻插值、双线性插值和立方卷积插值等。这些算法实现简单,运行速度快,且能适用于任何图像。但从信息的角度来看,并没有增加任何细节,且会导致放大后的图像轮廓模糊,高频信息受损。因而此类方法获得高分辨率图像的效果不是很好。

近年来,通过使用超分辨率技术[1-2]获取高分辨率图像已成为图像复原的热门研究方向之一。超分辨率技术是指通过一定的技术手段,由低分辨率图像生成高分辨率图像的技术。目前的超分辨率技术主要分为两类:一类是基于重构的;另一类是基于学习的。基于重构的方法是指利用来自相同场景的多帧低分辨率图像来重建一幅更高分辨率的图像[3]。最常用的方法是最大后验概率估计法[4]和凸集投影法[5],基于重够的方法不依赖于其他外界信息,简单,易用。但由于所需信息只能从输入图像序列获得,而需要增加的信息本质上是无法预测的,随着分辨率放大系数的增加,所需信息更多,无论增加多少输入图像,都无法再改善重建效果。而基于学习的超分辨率技术是指通过一个训练集合来作为学习样本,用一种搜索匹配方式将样本的细节信息添加到待处理图像中,用一幅低分辨率图像来复原高分辨图像。基于学习的超分辨率技术最早是由卡耐基—梅隆实验室的B ake r等人[6-7]提出的。随后有F ree m an等人[8-9]提出的基于例子的方法和Sun等人[10]提出的基于图像本质轮廓的算法等。基于学习的超分辨率方法为了获得更准确的细节信息,训练集合中的样本数量往往很大,导致算法运行速度较慢。

图像类推是由纽约大学的H e rz m ann等人[11]提出的,图像类推的方法受到人类推理过程的启发,其基本思想来自纹理合成技术。图像类推技术能应用的领域比较多,最主要用于从数字艺术渲染中学习“艺术滤镜”,来实现图像的风格化。图像类推也可实现超分辨率,但是高频图像的灰度值变化范围比较大,会导致类推过程产生较大的误差。国内的古元亭和吴恩华[12]提出基于图像类推的超分辨率技术,用一种自我类推的方法来提高图像的清晰程度。该方法能产生较为合理的细节以增强图像,但此方法因为学习样本只有自身,能获取供学习的信息量较低,使获取的超分辨率图像效果不是很理想,会产生一定的人工痕迹和视觉上过硬的边缘。

本文综合考虑遥感图像的特点和以上各方法的优缺点,提出了基于图像类推算法和立方卷积插值法相结合的方法来实现遥感图像的超分辨率,本文将高分辨图像与其退化图像相减获得高频细节信息,再与退化图像构成训练集合,从两者中学习如何由模糊产生细节的生成方式。用学习到的这种生

收稿日期:2009-07-18;修回日期:2009-08-31。基金项目:江西省数字国土重点实验室开发研究基金资助项目(DLLJ200902)。

作者简介:喻继业(1984-),男,湖北武汉人,硕士研究生,主要研究方向:模式识别与智能控制、图像处理;吴炜(1975-),男,四川宜宾人,讲师,博士,主要研究方向:图像处理、图像通信;滕奇志(1961-),女,四川成都人,副教授,博士,主要研究方向:图像处理、模式识别、软件工程;石一兴(1986-),男,重庆人,硕士研究生,主要研究方向:电路与系统、图像处理。