基于参考影像结构约束和非凸低秩约束的遥感图像重建方法
【技术领域】
[0001] 本发明涉及多源遥感图像数据的信号重建方法，具体来说，涉及一种基于参考影 像结构约束和非凸低秩约束的遥感图像重建方法。
【背景技术】
[0002] 在遥感领域，同一区域通常包含多源、多时相的影像，这些遥感图像具有不同的光 谱特性、时间分辨率和空间分辨率。在一些遥感应用中，我们仅有一些观测图像，无法获取 某一地区某个时刻的原始图像，如果我们需要这些原始图像的信息，需要通过重建的方法 来进行遥感图像重建。空间位置对应的遥感影像在光谱和时间尺度上的冗余信息有助于重 建。同一卫星内搭载的不同传感器，彼此间具有光谱重叠或相似的地物反射特性，造成拍摄 的图像存在很大的相似性。同时，由于地面地物信息的迀移缓慢，不同历史时刻拍摄的同一 位置的影像也具有很大的相似性。它们的这种相似性体现在结构的相似上，即图像中的边 缘、轮廓等细节信息。将这些多源遥感影像的结构变化特征作为参考约束信息加入到稀疏 系数约束和目标图像的重建过程，可以提高目标图像的重建精度。
[0003] 提取结构信息的典型方法是使用方向滤波器，如梯度算子、Gabor滤波器。但是，用 于提取结构信息的滤波器应该具有最大的普适性，即普遍适用于各种图像。满足这一要求 的理论是独立成分分析，它可以通过提取图像的结构信息来分离不同的图像内容，同时可 训练出用于投影变换的滤波器。基于独立成分分析思想和高阶马尔可夫随机场理论的专家 场模型通过从Berkeley分割数据集中提取出2万幅图像补丁训练出了两组滤波器，分别是8 个3x3的滤波器和24个5x5的滤波器，表现出了普适性。相比其它滤波器，这些滤波器具有理 论支持，能够更好地提取结构信息。
[0004] 单纯将遥感影像的结构信息作为参考约束信息注入到重建图像的主要不足是:注 入过程是不加选择的，无法准确刻画光谱图像的各个局部结构、忽略稀疏系数相关性、无法 刻画图像的局部稀疏度、引入吉布斯效应等问题。基于组群稀疏的低秩逼近和非凸表达解 决了一般稀疏表示和引入为参考约束信息的遥感图像重建算法存在的这些问题，可以避免 参考约束信息的过度注入，使注入的边缘结构信息更合理，取得更优的遥感影像纹理细节 恢复。
[0005] 针对相关技术中的问题，目前尚未提出有效的解决方案。
【发明内容】
[0006] 针对相关技术中的上述技术问题，本发明提出一种基于参考影像结构约束和非凸 低秩约束的遥感图像重建方法。
[0007] 为实现上述技术目的，本发明的技术方案是这样实现的：
[0008] -种基于参考影像结构约束和非凸低秩约束的遥感图像重建方法，包括如下步 骤:包括如下步骤:首先建立目标影像和参考影像在高阶滤波后的结构相似约束，然后用非 凸低秩近似约束代替压缩感知的h范数来约束目标影像稀疏系数，建立遥感图像稀疏优化 重建模型并求解。
[0009] 进一步的，使用一组大小为5x5或3x3的专家场滤波器组对参考图像做二维滤波， 计算与目标影像相匹配的参考影像的稀疏系数，以目标影像与参考影像的专家场滤波系数 相似作为约束条件。
[0010] 进一步的，用非凸低秩核范数约束目标影像稀疏系数，将专家场滤波器滤波后的 系数相似加入到目标影像的稀疏系数中，构建目标函数。
[0011] 进一步的，通过共辄梯度算法、泰勒一阶近似和奇异值分解迭代求解带目标影像 低秩先验信息的非局部图像重建模型。
[0012] 进一步的，使用矩匹配法更新参考图像的均值和标准差，使其与重建图像一致。
[0013] 进一步的，使用高阶滤波器提取结构信息，其所使用的滤波器是从Berkeley分割 数据集中提取20000幅图像补丁并由专家场模型加以训练得到。
[0014] 进一步的，获取低秩相似矩阵时，所用到的相似图像块矩阵的位置关系是从参考 图像中获得的。
[0015] 进一步的，用非凸低秩核范数约束目标影像稀疏系数，将相似度加入到目标影像 的稀疏系数中进行更新，构建了重建模型的目标函数：
[0017] 其中，模型中第一项保证重建结果与观测数据保持匹配约束;第二项为高阶滤波 系数的结构约束项，Hk为与第k个滤波器滤波过程等价的矩阵运算表示，用于第k个滤波 器的规整化调节系数;第三项为图像进行组群稀疏和相似块低秩约束的正则项，λ表示图像 块的稀疏水平，η表示图像块相似程度拟合的权重。
[0018] 本发明的有益效果:本发明可将将参考影像和重建图像经专家场滤波器滤波得到 的稀疏系数相似作为先验约束，将广义非凸低秩核范数作为目标影像稀疏系数约束，利用 二者互补优势建立遥感图像重建模型，提高目标影像的重建精度。
【附图说明】
[0019] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。
[0020] 图1是根据本发明实施例所述的基于参考影像结构约束和非凸低秩约束的遥感图 像重建方法的操作步骤框图。
【具体实施方式】
[0021] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的 范围。
[0022] 如图1所示，根据本发明实施例所述的一种基于参考影像结构约束和非凸低秩约 束的遥感图像重建方法，包括如下步骤：
[0023] 步骤一，使用一组大小为5x5或3x3的专家场滤波器组对参考影像进行二维滤波处 理，计算出与目标影像相匹配的参考影像的稀疏系数，并以目标影像与参考影像的稀疏系 数相似作为约束条件；
[0024] 步骤二，构建重建模型的目标函数，其中，利用非凸低秩核范数约束目标影像的稀 疏系数，将步骤一中得到的参考影像的稀疏系数加入到目标影像的稀疏系数中以构建重建 模型的目标函数；
[0025] 步骤三，通过共辄梯度算法、泰勒一阶近似和奇异值分解迭代求解带目标影像低 秩先验信息的非局部图像重建模型；
[0026] 步骤四，通过矩匹配法更新参考影像的均值和标准差，使其与重建图像一致；
[0027] 步骤五，迭代执行步骤一至步骤四。
[0028] 其中，在步骤一中，使用高阶滤波器提取结构信息，其所使用的滤波器是从 Berkeley分割数据集中提取20000幅图像补丁并由专家场模型加以训练得到的，所述目标 影像的结构特征向量与参考影像的结构特征向量的相似度在该高阶滤波器滤波后以1 2范 数的形式进行代价评估。
[0029] 在步骤二中，构建目标函数的过程中，获取低秩相似矩阵所用到的相似图像块矩 阵的位置关系由参考影像中获得。
[0030] 步骤二中构建的重建模型的目标函数为：
[0032] 其中，模型中第一项保证重建结果与观测数据保持匹配约束;第二项为高阶滤波 系数的结构约束项，Hk为与第k个滤波器滤波过程等价的矩阵运算表示，用于第k个滤波 器的规整化调节系数;第三项为图像进行组群稀疏和相似块低秩约束的正则项，λ表示图像 块的稀疏水平，η表示图像块相似程度拟合的权重。
[0033] 求解步骤三中相似块的非凸函数，并用共辄梯度算法、局部最小化泰勒一阶近似 和奇异值分解算法迭代求解带非凸G函数先验信息约束的目标函数。
[0034]在步骤四中，使用矩匹配法更新参考影像的均值和标准差，使其与重建图像一致。
[0035] 在步骤五中提到的步骤一至步骤四的迭代次数为2或3次，即可得到最终结果。
[0036] 所述专家场滤波器为一组5x5或3x3的专家场滤波器。
[0037] 为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述 技术方案进行详细说明。
[0038] 在具体使用时，根据本发明所述的基于参考影像结构约束和非凸低秩约束的遥感 图像重建方法，首先针对参考图像，在每个图像位置上，在其邻域内提取出与当前块相似的 图像块矩阵，标记该位置，并将该标记过程转换为矩阵表示；
[0039] 建立与参考图像结构信息相似和观测项保真的共同约束，以共辄梯度算法求解该 约束，求得初步的重建图像；
[0040] 依据在参考图像上提取相似块矩阵所使用的提取过程，在步骤1重建后的图像上 提取出与参考图像非局部相似位置关系完全相同的非局部相似块矩阵；
[0041] 使用非凸低秩核范数约束该矩阵的稀疏性，并使用泰勒一阶近似和软阈值奇异值 分解求得与该相似块矩阵对应的低秩矩阵；
[0042]建立与低秩矩阵相似和观测项保真的共同约束，以共辄梯度算法求解该约束，求 得单次迭代的重建图像；
[0043]使用矩匹配法修正参考图像，使其均值和标准差与重建图像一致；
[0044]当未得到结果时，重新建立与参考图像结构信息相似和观测项保真的共同约束， 以共辄梯度算法求解该约束，求得初步的重建图像，重复上述步骤。
[0045] 在一个实施例中，通过如下步骤实现：
[0046] 1、在参考影像上，假设在位置i处的一块样本块X, eCT大小为 其它位置上中存在很多与其相似的图像块。在此假设下，设置一个门限