專利名稱：基于分形的超分辨率遙感影像的重建算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于地理信息科學(xué)技術(shù)領(lǐng)域，以單幅遙感影像為主要研究對(duì)象，對(duì)其進(jìn)行超分辨率重建研究，在保持遙感影像原始特征的條件下，從已有的低空間分辨率影像重建出具有高空間分辨率的遙感影像，使得生成的結(jié)果影像具有高于輸入影像的空間分辨率。
背景技術(shù)：
如何從低空間分辨率影像中獲取更高空間分辨率的有用信息是超分辨率影像重建研究的重要問(wèn)題。超分辨率影像重建可以定義為一種經(jīng)分析和處理從一幅或多幅低空間分辨率影像中生成更高空間分辨率影像的方法，輸出影像不僅在空間分辨率高于輸入影像，而且其信息量高于任何輸入的單幅影像。目前，對(duì)遙感影像進(jìn)行超分辨率重建的理論和方法可以分為兩個(gè)主要方向第一種是基于重構(gòu)和學(xué)習(xí)的超分辨率 理論和方法。第二種是基于混合像元分解的超分辨率理論和方法。在超分辨率技術(shù)提出和發(fā)展的初期，大多數(shù)研究工作都是針對(duì)基于單幅影像展開(kāi)。由于單幅低分辨率影像信息的有限性，在實(shí)際應(yīng)用中取得的效果不是很理想，于是基于序列和多幅影像的超分辨率重建算法被提了出來(lái)?；诙喾跋竦某直媛史椒ㄌ崛×瞬煌跋裰g的互補(bǔ)信息，可以獲得比單幅影像重建更好的效果，但是，在許多實(shí)際的應(yīng)用中，獲取同一場(chǎng)景的多幅影像是非常困難的，甚至是不可能的。所以，從單幅影像重建出高分辨率影像具有十分重要的價(jià)值和意義。分形理論是描述無(wú)秩序、不穩(wěn)定、自然的現(xiàn)象的一種有效方法。從Mandelbrot于20世紀(jì)70年代提出了分形理論后，該理論很快地被應(yīng)用到各個(gè)領(lǐng)域中，它不僅能夠描述與尺度無(wú)關(guān)的很多的自然地物，而且能夠跨尺度地對(duì)復(fù)雜現(xiàn)象進(jìn)行直截而又恰當(dāng)?shù)拿枋?，并可?duì)其進(jìn)行定量化(Mandelbrot, 1967)。分形編碼方法最早是Barnsley等根據(jù)迭代函數(shù)系統(tǒng)(Iterated Function System, IFS)理論提出的一種圖像壓縮方法(Barnsley andSloan，1988)。由于其在實(shí)際應(yīng)用中較難實(shí)現(xiàn)，Jacquin對(duì)其進(jìn)行了改進(jìn)，提出了針對(duì)灰度圖像的分塊迭代函數(shù)系統(tǒng)(Partition Iterated Function System, PIFS),將圖像分割成很多小的塊后再處理和計(jì)算(Jacquin，1992)。自相似性和自仿射性是對(duì)目標(biāo)圖像進(jìn)行分形編碼的重要前提條件。目前，人們已經(jīng)廣泛認(rèn)識(shí)到自然界的很多景觀和圖像都具有分形/多重分形特征，如浮云，山脈，植物的葉子等，這些自然現(xiàn)象所呈現(xiàn)的圖像中存在著大量自相似信息(存在于不同的尺度之間)。利用分形編碼方法可有效地挖掘遙感影像中存在的分形特征，為超分辨率重建提供基礎(chǔ)。

發(fā)明內(nèi)容
本發(fā)明提出了一種基于分形的超分辨率遙感影像的重建方法，該方法可以不需要輸入其他先驗(yàn)知識(shí)或者數(shù)據(jù)。在不考慮運(yùn)動(dòng)、扭曲等復(fù)雜條件下，空間分辨率降低的影像與原始高分辨率影像之間的關(guān)系可以描述為如下形式L = H0s + e(I)
其中，L是低分辨率影像；H是高分辨率的影像；s是尺度信息傳遞函數(shù)(Information Transfer Function, ITF),表示在不同尺度之間信息是如果被傳遞的，即表達(dá)了在分辨率降低時(shí)信息是如何被保存和損失的表示乘積算子；e是隨機(jī)誤差。假設(shè)s和e是已知的或者可以被估計(jì)出來(lái)，那么，超分辨率重建問(wèn)題可以表述為在已知L、條件下，如何從式(I)中求出H。對(duì)一幅任意的影像L，即使在相同的8和e條件下，可以找到很多的H滿足式(I)的H。但是，如果研究的對(duì)象具有分形特性，即它的部分與整體以及不同尺度之間都存在自相似性或自放射性，那么根據(jù)分形的性質(zhì)就可以確定滿足條件的H是唯一的，這就意味著影像部分與整體之間的相似性和仿射性存在于不同尺度之間(附圖
I)。基于分形的超分辨率影像重建方法過(guò)程如附圖2所示。在對(duì)影像進(jìn)行超分辨率重建之前，需要正確地計(jì)算或者估計(jì)出其分形特征，然后估算影像的AWGN (Additive WhiteNoise，加性高斯白噪聲)參數(shù)e和尺度信息傳遞函數(shù)S。最后，在分形編碼過(guò)程中降噪、尺度下推來(lái)完成SR影像的重建。
分形編碼具有一些重要的特性使之可以用來(lái)進(jìn)行影像的分辨率增強(qiáng)(I)尺度無(wú)關(guān)性。對(duì)影像進(jìn)行編碼得到的是一組被稱為分形碼的參數(shù)，描述影像部分與整體之間的相似性和仿射性。分形碼本身不受尺度約束，它可以在任意的尺度上進(jìn)行解碼，得到與原影像尺度不同的新影像。(2)相似保持性。分形編碼是對(duì)影像內(nèi)部不同尺度間的相似性和仿射性進(jìn)行壓縮，而且在不同的尺度上解碼后，這種相似性和仿射性能夠被還原出來(lái)，保持了原影像的特性。(3)非線性運(yùn)算。分形編解碼方法是一種局部線性而全局非線性的自適應(yīng)算法，有利于影像細(xì)節(jié)的重建。正由于分形編解碼的靈活性和高效性，一些研究開(kāi)始轉(zhuǎn)向了影像壓縮之外的其他應(yīng)用，包括插值、復(fù)原和降噪等。Ghazel等探索了含有AWGN噪音的圖像與無(wú)噪音圖像的分形碼之間的關(guān)系，提出了利用分形編解碼降低AWGN噪音的方法(Ghazelet al.，2003)。在此基礎(chǔ)上，Chen等使用離散余弦變換在頻域?qū)崿F(xiàn)了降噪和提高圖像的分辨率(Chen et al.，2008)。在目前的分形編解碼研究和應(yīng)用中，ITF通常被取為下采樣或者均值化。這種方法在一般的應(yīng)用中(如圖像壓縮，紋理分割)是可以接受，并且其實(shí)現(xiàn)過(guò)程簡(jiǎn)單明了。但是，如果在進(jìn)行超分辨率重建研究時(shí)，簡(jiǎn)單地選擇下采樣或者均值化方法是很不合適的，因?yàn)樵趯?shí)際自然現(xiàn)象和景觀中，隨著尺度的減小，信息量往往是呈指數(shù)減少的，而非簡(jiǎn)單的線性變化。因此，基于分形的影像SR重建過(guò)程中，使用適當(dāng)?shù)淖儞Q函數(shù)就是非常重要的一步。在本發(fā)明中，我們將研究重點(diǎn)主要集中在如何增大尺度的過(guò)程，并且發(fā)現(xiàn)無(wú)噪影像與有噪影像之間的關(guān)系，提出基于分形的影像的可去噪SR重建。該基于分形的SR重建主要內(nèi)容包括(a)參數(shù)估計(jì)噪聲的估計(jì)和信息傳遞函數(shù)(ITF)估計(jì)；(b)影像的可去噪分形編碼；(c)設(shè)定分辨率放大因子，根據(jù)分塊迭代函數(shù)系統(tǒng)PIFS (Partition IteratedFunction System)編碼對(duì)初始影像進(jìn)行解碼,迭代至收斂,得到最終的SR影像。本發(fā)明的基于分形的超分辨率遙感影像的重建方法通過(guò)以下的步驟實(shí)現(xiàn)I、尺度信息傳遞函數(shù)(ITF)的確定ITF是反映信息在不同尺度之間的變化規(guī)律。對(duì)于具體的影像而言，它描述了當(dāng)空間分辨率降低時(shí)，低分辨率影像與高分辨率影像所包含信息之間的關(guān)系，如大尺度的紋理特征和形狀是怎樣被保持，而小的細(xì)節(jié)是如何被綜合的。從光學(xué)成像角度來(lái)看，ITF與點(diǎn)擴(kuò)散函數(shù)(Point Spread Function, PSF)之間有著一定的相似性,這種關(guān)系可以表示為s (I)=s I (f(I))，其中f( ·)是PSF，S I ( ·)是下采樣操作。經(jīng)過(guò)研究，不難發(fā)現(xiàn)分形編碼中所采用的下采樣和取均值方法是兩種特殊的信息傳遞函數(shù)形式(I)當(dāng)ITF模板(離散化形式)中心為1，其他均為O時(shí)，即對(duì)應(yīng)下采樣(附圖3(b)) ; (2)當(dāng)模板所有元素均相等，且和為I時(shí)，即相當(dāng)于均值模板(附圖3(c))。在實(shí)際中，如果缺少先驗(yàn)知識(shí)，那么準(zhǔn)確地得到ITF并不是一件容易的事情。為了進(jìn)行影像的超分辨率重建，必須對(duì)該影像的ITF進(jìn)行估計(jì)。研究表明，隨著尺度的縮小，自然系統(tǒng)信息的減少速度是呈指數(shù)級(jí)衰減的。視覺(jué)系統(tǒng)和圖像處理相關(guān)研究表明高斯金字塔在圖像的視覺(jué)處理過(guò)程中與人眼的視覺(jué)特點(diǎn)保持了非常好的一致性。高斯函數(shù)較好地體現(xiàn)出了在尺度變化時(shí)自然系統(tǒng)信息的變化趨勢(shì)，在缺少先驗(yàn)知識(shí)的情況下，可以作為真實(shí)ITF的估計(jì)。另外，高斯函數(shù)與下采樣方法、取均值方法之間同樣滿足上述的一般與特殊關(guān)系。
權(quán)利要求
1.一種基于分形的超分辨率遙感影像的重建方法，其特征在于如下步驟 (I. I)估計(jì)尺度間的信息傳遞函數(shù)ITF ;描述當(dāng)空間分辨率降低時(shí)，低分辨率影像與高分辨率影像所包含信息之間的關(guān)系； (1.2)估計(jì)影像中存在的加性高斯白噪聲AWGN ;通過(guò)空間自相關(guān)性估計(jì)影像上局部區(qū)域內(nèi)像素的相關(guān)性和變異性，根據(jù)頻率統(tǒng)計(jì)確定高斯白噪聲的方差； (I. 3)影像分形編碼，對(duì)低分辨率影像進(jìn)行自適應(yīng)分塊，結(jié)合噪聲分布模型，經(jīng)仿射變換、收縮變換和亮度變換后得到原始影像的分形編碼； (I. 4)影像超分辨率重建，根據(jù)低分辨率影像的去噪分形編碼和放大因子對(duì)選擇的初始影像進(jìn)行迭代解碼，直至收斂，輸出高分辨率影像。
2.根據(jù)權(quán)利要求I所述的基于分形的超分辨率遙感影像的重建方法，其特征在于所述步驟(I. I)中的尺度信息傳遞函數(shù)估計(jì)方法如下 在缺少先驗(yàn)知識(shí)的情況下，高斯函數(shù)能體現(xiàn)出在尺度變化時(shí)自然系統(tǒng)信息的變化趨勢(shì)，為了進(jìn)行SR重建，對(duì)尺度信息傳遞函數(shù)為高斯分布的情況進(jìn)行估計(jì)；此時(shí)，需分兩種情況進(jìn)行考慮，無(wú)噪聲的影像和帶AWGN的影像； (2. I)當(dāng)影像本身不含噪聲或者可以忽略時(shí)，由于計(jì)算誤差的存在，編解碼后的圖形與原始影像之間的距離是一個(gè)很小但不等于O的值，但最優(yōu)的ITF應(yīng)該是使得二者之間的距離最?。灰虼?，ITF的參數(shù)δ滿足條件δ = arg min | | I-I' | 式中，I是原始影像，Γ是經(jīng)分形編解碼之后的具有相同分辨率的影像； (2. 2)當(dāng)影像帶AWGN時(shí)，去噪后的影像與原始影像之間的差分影像就是AWGN噪聲；由此，可以得出下面的關(guān)系式 式中，I是原始影像，I"是經(jīng)分形編解碼去噪之后的具有相同分辨率的影像；即差分影像是符合均值為O，方差為式的正態(tài)分布。
3.根據(jù)權(quán)利要求I所述的基于分形的超分辨率遙感影像的重建方法，其特征在于所述步驟(I. 2)中的AWGN估計(jì)方法如下 (3. I)確定影像中像素灰度值之間的空間自相關(guān)性大小，估計(jì)出自相關(guān)性存在的范圍； (3. 2)根據(jù)空間自相關(guān)性的強(qiáng)弱程度，估計(jì)出在影像上像素值變化很小的區(qū)域的尺寸r ； (3. 3)使用窗口滑動(dòng)方法，統(tǒng)計(jì)影像中在尺寸為r的窗口內(nèi)像素的變異，其方法是計(jì)算窗口內(nèi)的所有像素減去其均值之后的差分影像的方差，設(shè)為集合V ; (3. 4)對(duì)集合V作直方圖，那么，出現(xiàn)頻率最高的方差就可以被認(rèn)為是AWGN的方差；具體為，先對(duì)直方圖進(jìn)行擬合，然后根據(jù)擬合曲線來(lái)確定概率最大的值。
4.根據(jù)權(quán)利要求I所述的基于分形的超分辨率遙感影像的重建方法，其特征在于所述步驟(I. 3)中的分形編碼的確定方法如下 設(shè)I(x，y，P)為研究目標(biāo)影像，(i，j)表示像素的行與列索引，P表示該位置的像素值；R和D分別表示值塊和域塊，它們是對(duì)影像兩種不同方式的分割，其中，每一個(gè)值塊Ri e R經(jīng)收縮映射Wi后都將與某一個(gè)域塊e D發(fā)生聯(lián)系；對(duì)研究目標(biāo)影像I(x，y, P)，進(jìn)行收縮變換；收縮映射包含了兩種變換，即幾何變換g和亮度變換P: i = 1，2，...，M，M是值塊的個(gè)數(shù)，j = 1，2，...，N，N是域塊的個(gè)數(shù)； (4. I)幾何變換幾何變換g由仿射映射H ·)和收縮變換s( ·)兩個(gè)部分組成g( ·)=s(r( ·));仿射映射r( ·)主要完成對(duì)域塊&的仿射變換；收縮變換s( ·)則將域塊按照ITF進(jìn)行縮小，使之與值塊的尺度相同； (4. 2)亮度變換對(duì)g(k) (Dj)進(jìn)行線性變換，k是仿射映射的序號(hào)，找到一個(gè)與g(k) (Dj)最匹配的值塊Ri ;值塊Ri的分形碼可以用一個(gè)五元組(i，j，k，Qij, ^ij.)來(lái)表示，分別對(duì)應(yīng)著值塊Ri、域塊IV仿射映射的序號(hào)及分形編碼參數(shù)α、β所有值塊的分形碼集合就構(gòu)成了影像I的分形碼。
5.根據(jù)權(quán)利要求4所述的基于分形的超分辨率遙感影像的重建方法，其特征在于所述步驟(I. 4)中的影像超分辨率重建方法如下 (5. I)影像的降噪 在離散情況下，分形編碼中的收縮變換可以表示為ITF模板s在域塊&上滑動(dòng)乘積的過(guò)程；r(x,y) = (s d)(x,y) 式中，d表示域塊尺度上的影像，r表示經(jīng)變換后值塊尺度上的影像， 表示乘積算子。若ITF模板的大小為ηΧη，則r影像上的每個(gè)像元是d影像上的nXn像元的信息綜合而成
全文摘要
一種基于分形的超分辨率遙感影像的重建方法，本發(fā)明通過(guò)分形編碼將影像中不同尺度下區(qū)域之間的分形相似性或仿射性聯(lián)系起來(lái)，并根據(jù)分形特征在尺度的傳遞性將這種建立的聯(lián)系傳遞到空間分辨率更高空間尺度。通過(guò)本發(fā)明，含有加性高斯白噪聲的影像被定量地分離出來(lái)，據(jù)此可從含噪的低分辨率影像中重建出無(wú)噪的高分辨率影像。在數(shù)字高程影像的超分辨率重建中，證實(shí)了本發(fā)明的有效性。本發(fā)明提出的基于分形的可去噪超分辨率影像重建模型對(duì)全球環(huán)境變化研究、災(zāi)害、環(huán)境監(jiān)測(cè)具有重要的理論意義及實(shí)用價(jià)值。
文檔編號(hào)G06T5/00GK102819829SQ20121024753
公開(kāi)日2012年12月12日 申請(qǐng)日期2012年7月17日 優(yōu)先權(quán)日2012年7月17日
發(fā)明者胡茂桂, 王勁峰, 趙豫 申請(qǐng)人:中國(guó)科學(xué)院地理科學(xué)與資源研究所