专利名称:一种基于遥感图像的采样方法
技术领域:
本发明涉及计算机图像处理技术领域,尤其涉及一种基于遥感图像的采样方法。
背景技术:
在地理信息领域,有时对于感兴趣的场景没有其它数据,只有一幅受到模糊和噪声干扰的低分辨率图像。如何从单幅数据中恢复出一幅清晰的高分辨率的图像,是个复杂而病态的逆问题。造成遥感图像降质的因素很多,包括大气影响、光学模糊、相对运动、传感器因素和下采样等等,因此高质量的遥感图像上采样重建一定要处理好图像点阵的重采样变换和去除模糊与噪声的图像复原等问题。图像上采样是个双倍病态的问题,因为图像和模糊都是未知的。在过去的20年中,人们已经提出许多有价值的方法,这些方法往往要采用一些先验知识和假设来约束图像和模糊。但是这种约束往往是针对特定应用的,并不适用于遥感图像。其中最常用的就是基于插值和线性滤波的方法,这些方法广泛应用于WiotoShop、ENVI等商业软件中,包括Nearest Neighbor、Bilinear、Bicubic和Lanczos等等。这些方法速度较快,便于应用,都基于这样一个假设图像是空间平滑的或者波段受限的。但这种假设基本上是与现实不相符合的,因此会产生响铃、马赛克、模糊等很明显的视觉误差。目前现有技术中提出了基于样例的上采样(example based up sample),其高分辨率图像重建所对应的补片(patch)是从包含许多高低分辨率图像对的数据库中学习得来的,旨在利用图像本身以外的信息,使用类似纹理合成的方法进行高频恢复。进一步的现有技术中也有提出的联合双边上采样(joint bilateral up sample),是采用一个高分辨率图像作为先验,利用一个联合双边滤波(joint bilateral filter)进行上采样,克服了以光滑性为先验会导致图像特征模糊的缺点。目前现有技术中提出以统计的边信息作为先验,使边的特点能够正确匹配,以期在上采样的图像中保证重建清晰的边。Sian等人目前现有技术中提出的一个反馈-控制的框架,对于采用传统Bicubic等方式上采样的图像,以重尾分布作为先验,采用快速傅立叶变换(FFTs),利用这个反馈-控制框架重复进行反卷积、重新卷积和像素置换来去除模糊和重建。基于样例的上采样结果的质量非常依赖于数据库所提供的样例,并且计算代价昂贵。联合双边上采样最终的结果高度敏感于先验的图像,由于遥感图像不同场景(乡村、城市、山区、海洋、沙漠等)之间的差异很大,所以一幅图像的先验模型不可能与所有类型的目标场景相匹配。i^attal提出的方法虽然有类似的几何结构(如街道、海岸线等),但毕竟这样的特征占的比重不大,相反,它对于在遥感图像中广泛出现的方向性纹理没有出色效果。反馈-控制框架对于视频和普通照片的效果较好,但其收敛性并不能获得保证,并且实验证明对遥感图像效果并不理想,最大的问题在于高频信息的明显丢失,计算速度也较慢。
发明内容
本发明的提供一种基于遥感图像的采样方法,针对遥感图像,提出一种新的基于凸集投影法和复数小波包域的遥感图像上采样的方法。该方法无论是对高频细节部分的恢复与重建,还是在去模糊、降噪方面,都能取得较好的效果。为了解决上述问题,本发明提出了一种基于遥感图像的采样方法,包括使用凸集投影法POCS方法对遥感图像进行上采样,利用POCS方法的优势得到一个能够较好重建高频细节部分的中间结果;采用适合遥感图像特点的简洁有效的先验,设定中间结果与真实结果之间的调制传递函数MTF呈各项异性的高斯函数,使用贝叶斯方法进行参数的自适应估计;使用复数小波包域的分解技术做进一步的去模糊和降噪,获得更精细的高分辨率图像。所述使用凸集投影法POCS方法对遥感图像进行上采样方法包括先将低分辨的输入图像L利用Bilinear算法快速上采样,形成一张初始的上采样图像应然后利用低分辨率图像L与参考图像应之间的对应关系,计算投影残差R,并更新上采样图像应W对应的像素值;将修正后的POCS投影图像应《作为下一次投影迭代的参考图像,重复进行投影残差计算和像素更新;反复提升图像的高频细节信息,直至迭代到满意的结果应为止。所述使用复数小波包域的分解技术做进一步的去模糊和降噪,获得更精细的高分辨率图像包括使用贝叶斯的方法对由POCS方法获得的结果图像与真实图像之间的模糊和噪声参数进行快速高效的估计;采用复数小波包变换CWPT对遥感图像进行去模糊和降噪处理,对于分解得到的系数划分子频带,并且对于每个子频带建立噪声模型,以适应于彩色噪声的建模。所述使用贝叶斯的方法对由POCS方法获得的结果图像与真实图像之间的模糊和噪声参数进行快速高效的估计包括调制传递函数MTF在频域可以写成若干分量的乘积,这些分量由不同因素产生,包括大气、光学系统、运动以及传感器多种因素。本发明将MTF以非各向同性的高斯函数近似
权利要求
1.一种基于遥感图像的采样方法,其特征在于,包括使用凸集投影法POCS方法对遥感图像进行上采样,利用POCS方法的优势得到一个能够较好重建高频细节部分的中间结果;采用适合遥感图像特点的简洁有效的先验,设定中间结果与真实结果之间的调制传递函数MTF呈各项异性的高斯函数,使用贝叶斯方法进行参数的自适应估计;使用复数小波包域的分解技术做进一步的去模糊和降噪,获得更精细的高分辨率图像。
2.如权利要求1所述的基于遥感图像的采样方法,其特征在于,所述使用凸集投影法POCS方法对遥感图像进行上采样方法包括先将低分辨的输入图像L利用Bilinear算法快速上采样,形成一张初始的上采样图像Hm-然后利用低分辨率图像L与参考图像应之间的对应关系,计算投影残差R,并更新上采样图像对应的像素值;将修正后的POCS投影图像应《作为下一次投影迭代的参考图像,重复进行投影残差计算和像素更新;反复提升图像的高频细节信息,直至迭代到满意的结果应为止。
3.如权利要求2所述的基于遥感图像的采样方法,其特征在于,所述使用复数小波包域的分解技术做进一步的去模糊和降噪,获得更精细的高分辨率图像包括使用贝叶斯的方法对由POCS方法获得的结果图像与真实图像之间的模糊和噪声参数进行快速高效的估计;采用复数小波包变换CWPT对遥感图像进行去模糊和降噪处理,对于分解得到的系数划分子频带,并且对于每个子频带建立噪声模型,以适应于彩色噪声的建模。
4.如权利要求3所述的基于遥感图像的采样方法,其特征在于,所述使用贝叶斯的方法对由POCS方法获得的结果图像与真实图像之间的模糊和噪声参数进行快速高效的估计包括调制传递函数MTF在频域可以写成若干分量的乘积,这些分量由不同因素产生,包括大气、光学系统、运动以及传感器多种因素。本发明将MTF以非各向同性的高斯函数近似MTF=MTF0 xe(-ay-aiv2)其中MTFO表示可以测量得到的MTF成分,在没有测量结果支撑的情况下可以取恒等于l,u,v e
是频率;噪音用方差参数为ο 2的高斯白噪声来表示。基于自然场景的遥感图像的统计模型[10],本发明采用贝叶斯方法,计算最合适的参数α和σ2,以及隐含的模型参数Wtl和9,使得如下似然概率取得最大值
5.如权利要求4所述的基于遥感图像的采样方法,其特征在于,所述采用复数小波包变换CWPT对遥感图像进行去模糊和降噪处理,对于分解得到的系数划分子频带,并且对于每个子频带建立噪声模型,以适应于彩色噪声的建模包括利用MTF的估计值,将遥感图像在频域进行无规则化的去卷积,得到带有很高噪声的去模糊后的图像,由于该噪声在高频处能量极大,是彩色噪声,使用复数小波包工具非常适用;彩色噪声在经过复数小波包域分解后各个子带中都是独立的高斯白噪声,其噪声方差可以由模糊核H以及参数ο 2进行估计σΙ=σ2 F(WXV/MTFu^v |2(6)W,ν其中Wk为子频带K的冲击响应信号。q2也可以通过模拟一个高斯白噪声,除以MTF值,然后变换到CWPT域分频带进行近似计算。对于每个子带,使用最大似然法则进行降噪,公式如下Kl2 x其中X为带噪声的信号;ζ为对原始图像信号的一个估计值,使用经典Wiener或RHEA等单尺度规则化去卷积方法得到;在完成最大似然估计后,采用软阈值技术,对各个子频带进行滤波,最后再将复数小波包域的系数反变换回到空间域,实现遥感图像的复原。
全文摘要
本发明实施例公开了一种基于遥感图像的采样方法,包括使用凸集投影法POCS方法对遥感图像进行上采样,利用POCS方法的优势得到一个能够较好重建高频细节部分的中间结果;采用适合遥感图像特点的简洁有效的先验,设定中间结果与真实结果之间的调制传递函数MTF呈各项异性的高斯函数,使用贝叶斯方法进行参数的自适应估计;使用复数小波包域的分解技术做进一步的去模糊和降噪,获得更精细的高分辨率图像。实施本发明,该方法无论是对高频细节部分的恢复与重建,还是在去模糊、降噪方面,都能取得较好的效果。
文档编号G06T5/00GK102568014SQ20111043595
公开日2012年7月11日 申请日期2011年12月22日 优先权日2011年12月22日
发明者傅明, 李飞燕, 林格, 王若梅, 陈子琦 申请人:中山大学