自适应正则化稀疏表示的遥感图像SR重建

基于稀疏表示的单幅图像超分辨率(Super-Resolution, SR)重建近年来引起了广泛的关注,并取得了较好的效果.然而,低分辨率(Low Resolution, LR)遥感图像容易受到噪声及模糊的影响,从而导致SR重建结果会出现高频细节丢失的现象.针对这一问题,本文提出一种基于自适应正则化稀疏表示的遥感图像SR重建方法.该方法首先根据提出的步进式图像放大的方法将LR图像放大得到高分辨率(High Resolution, HR)图像的初始估计;然后,构建稀疏表示的SR重建模型,通过评估初始估计HR图像的噪声水平来自适应选择不同的正则项,即梯度直方图正则项或可控方向滤波全变分正则项,对重建图像进行约束;最后,利用迭代收缩算法对提出的模型进行求解得到稀疏编码系数,将学习的字典与稀疏编码系数相乘得到最终的HR图像.实验结果表明,本文提出的SR重建算法获得的结果无论是主观视觉效果还是客观定量评价,都优于一些主流的遥感图像SR重建方法.