混合稀疏表示模型的超分辨率重建

超分辨率重建是当前卫星遥感数据空间分辨率提升的重要技术,但目前现有的超分辨率重建方法在处理具有复杂地物特征的影像时效果往往不佳。当遥感影像中包含有各种非均匀地物信息时,难以构建一种通用的模型来解决遥感影像的病态问题。基于此,本文结合图像稀疏表达与非凸高阶全变分理论,提出了一种混合稀疏表示模型的新型超分辨率重建方法（MSR-SRR）。这种方法以遥感图像在多重变换域的稀疏性表达作为先验概率模型,通过正则化方法来完成超分辨率重构,不仅保留了超分重建结果影像的边缘信息,而且对影像中产生的“阶梯效应”进行了适当的平滑处理。该方法利用迭代重加权l1交替方向乘子方法进行求解,提高了算法的运行效率,改善了影像质量。为了证明所提出方法的有效性,MSR-SRR结果与非均匀插值、POCS和IBP等传统超分方法的重建结果进行了对比验证。结果表明,MSR-SRR方法的图像清晰度平均提升了31.74%,PSFs半峰宽度最大,高斯方差值达到1.8415,效果明显优于其他方法。为进一步评估MSR-SRR结果的实用性,本文以高分四号卫星（GF-4）影像作为样例,利用支持向量机（SVM）分类方法对超分重建前后的影像进行了分类试验和精度验证。结果表明,超分辨率重建后的影像结果相对于原始影像的分类结果,Kappa系数提升了9.7%,OA值提升了5.96%。这表明MSR-SRR方法可以有效提升影像清晰度,丰富影像纹理细节,增强图像质量,有效提升影像分类精度。

New super-resolution reconstruction method based on Mixed Sparse Representations