多波段遥感影像锐化方法研究进展

受成像机理的限制,目前的遥感硬件技术条件尚无法获取同时具备高空间、高光谱分辨率的多波段遥感影像。多波段遥感影像作为一种反映各个不同窄波段区间信息的三维影像集合,其包含二维空间信息和一维光谱信息,空间信息反映场景中的几何特性,而光谱信息则对应地物在不同波段的电磁波特性。为弥补多波段遥感影像空间信息采集的不足,利用辅助影像增强其空间分辨率,即多波段遥感影像的锐化受到重视。多波段遥感影像锐化不仅可提升影像的视觉效果,同时可为诸如地物分类、变化检测和参数反演等后继的定性、定量化遥感应用奠定基础,因而一直是遥感影像处理领域非常重要且持续活跃的研究方向。为此,对多波段遥感影像锐化方法的研究进展进行综述:一是对多波段遥感影像锐化的内涵进行了表述;二是以多光谱(MS)影像的全色锐化为视角、以算法实现的技术为脉络,分别从基于成分替代(CS)、基于多分辨率分析(MRA)、基于最优化模型(OM)和基于深度学习(DL)四个方面对多光谱遥感影像锐化方法的研究进展和存在的问题进行分析和讨论;三是结合高光谱(HS)影像所存在的不同于MS的自身特性,对HS影像的锐化特点进行了分析,并对不同于MS的一些特有HS锐化方法进行了讨论和归纳;最后对多波段遥感影像锐化方法未来的发展进行了展望,分别从目前CS和MRA方法更受到主流认可的原因,以及未来多波段遥感影像锐化领域将呈现出多种方法的相关融合两个方面进行了讨论。

小波域多角度轮廓模板变分模型的单幅图像超分辨率重建

近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.

非局域样本填充和自适应曲率驱动模型的遥感图像修复算法

遥感图像修复技术对于后续遥感图像的处理与应用具有重要意义.文中在深入研究曲率驱动(CDD)模型和样本填充算法的基础上,针对遥感图像对纹理细节和边缘区域要求较高的特点,提出非局域样本填充和自适应曲率驱动模型的遥感图像修复算法.该算法较好地避免CDD模型修复过程中在一些极端情况下可能出现的假边缘、阶梯效应和扩散速度缓慢等缺点,保证遥感图像修复后的纹理细节信息和边缘信息.仿真实验验证文中算法的有效性.

并行波峰模式的规则块拼接纹理合成调度

在基于样图的纹理合成方法中,规则块拼接法因邻接块间相对高的约束条件难以利用并行化手段提高运算效率.文中从一个经典算法出发,把块合成顺序问题转换为任务调度问题,对该问题进行描述并分析提取其中的约束条件,然后以并行波峰模式为基础,提出了一种在满足相关约束下面向通用二维矩阵数据的空间平衡调度方案.在此基础上,提出一种基于并行波峰模式的规则块拼接纹理合成调度算法,很好地保持了规则块拼接的原有约束,实现了基于多核心CPU的并行纹理合成.最后通过理论上的分析和对比实验证明了文中方案的有效性.

基于PST相位约束和稀疏表示的MS和PAN影像融合算法

在基于多光谱(MS)影像和全色(PAN)遥感影像融合中,提高融合影像质量的一个关键问题是如何有效提取PAN影像的纹理特征信息,并有针对性地对MS影像进行信息注入.因此,文中提出基于相位拉伸变换(PST)相位约束的MS和PAN影像稀疏融合算法.首先对MS和PAN影像进行高斯滤波.对于中低频信息,基于PST相位差对影像中边缘和纹理区域的敏感性,通过高频信息PST的相位差获得融合权重约束.对于高频信息,通过学习PAN影像的高频信息获得训练字典,并利用字典对MS和PAN影像的高频信息进行稀疏表示和融合,提高融合高频信息的准确度.算法在一定程度上克服传统融合方法对边缘纹理区域融合效果较差和光谱信息扭曲等现象,取得更好的融合效果.大量仿真实验验证算法的有效性.

谱间和帧内协同稀疏的高光谱图像压缩感知模型

本文基于压缩感知理论,利用高光谱图像谱间存在极强的相关性,提出一种基于谱间和帧内协同稀疏的高光谱图像压缩感知模型(hyperspectral image collaborative sparsity measure,HICoSM).模型包括对高光谱图像各波段帧内及其帧间3方面的稀疏性挖掘:一是对各波段帧基于局部区域平滑性的稀疏性度量;二是对各波段帧基于非局部区域纹理、边缘等细节信息的自相似性稀疏性度量;三是相邻波段帧基于谱间相关性的预测稀疏性度量,具体利用前一个波段帧,通过最小二乘法线性预测形成当前波段帧的预测帧,通过确定预测帧与当前波段帧的最佳预测差实现谱间的稀疏性度量.进一步,给出了所提出模型的数值计算过程.仿真实验表明,模型HICoSM在对各个波段帧的稀疏性进行度量的基础上,通过挖掘和测量高光谱图像波段间的谱间稀疏性,有效地提高了各波段帧在压缩感知恢复阶段的解码质量.

高光谱图像光谱维结构相关性及稀疏重建模型

高光谱图像(HSI)的高维度、高冗余等特性给其传输和处理带来了极大的挑战.近年来基于压缩感知的HSI重建受到重视并成为一前沿问题,在这一领域中有效挖掘HSI的稀疏先验成为提高其重建质量的一个关键.本文首先定义了HSI波段组的"光谱维面",并以此为切入点对HSI光谱维的结构相关性进行研究,获得了如下结论:一是HSI光谱维面的纹理分布较空间域更为简单和均匀,且其纹理的对比度低、平稳度高,更容易被稀疏表达,二是在HSI光谱维面,与参考块相邻的搜索区域内存在着一定数量的与参考块具有较高相似度的光谱曲线块;进一步确定了基于光谱维面的HSI光谱维结构相关性的涵义,并提出了相应的稀疏测量模型;在此基础上,通过整合空间维非局部相关性与光谱维结构相关性的稀疏表示,提出了稀疏模型S-SCo SM,并以其为稀疏约束先验构建了HSI的稀疏重构模型.大量实验表明,所提出的稀疏模型S-SCo SM从空间维和光谱维两个角度更深层次地挖掘了HSI的相关性,获得了更为充分和有效的HSI稀疏约束先验,使HSI的重构质量得到进一步提升,在有效提高重构波段图像空间信息质量的同时,很好地保持了波段组的光谱属性.

多方向模板变分模型的单幅图像超分辨率重建

目的为了增强图像超分辨率重建的准确性,克服传统插值所产生的边缘模糊与边缘锯齿等负面效果,提出一种基于多方向模板变分模型的单幅图像超分辨率重建方法。方法首先构建体现28个方向的多方向模板对输入图像的轮廓方向进行计算,同时通过将TV模型引入到图像轮廓的估计中来确定边缘轮廓的最优方向;在此基础上通过进行基于所提出的多方向模板的图像插值来实现图像的超分辨率重建。结果对比基于活动轮廓的图像边缘插值方法重建的经典高分辨率测试图像,本文方法在平均峰值信噪比和平均结构相似度方面分别提高了1.578 dB和0.030 02 dB。结论本文方法可以有效地克服传统插值方法所产生的边缘模糊和边缘锯齿化等负面效果,也避免了较少方向模板所带来的边缘和纹理丰富区域的纹理失真现象,可以取得较好的重建效果。

协同进化的近似规则纹理合成

纹理进化系统是一个面向近似规则纹理合成的算法,系统的主要特点是在进化理论的基础上,通过定义相关行为来优化纹理块在被拼接后无法改变而引发的累积误差问题。提出一种新的基于协同进化思想的纹理合成方案,通过新定义的个体选取及排布方式,可适用任意方向周期的纹理;通过去除迁徙、预建立适应度表等操作,很好地减轻了适应度计算开销的冗余度,并且新的进化过程能够更好地实现并行化。实验结果表明所提方案不仅在通用性上有所增强,在效率上也得到了显著提升。