遙感影像超分辨率處理方法與研究進(jìn)展

喬燕英

（山東省國土測繪院，濟(jì)南 250013）

1 引言

具體來講，圖像超分辨率處理指的是借助于計(jì)算機(jī)軟件算法的應(yīng)用，用高分辨率圖像轉(zhuǎn)換低分辨率圖像的技術(shù)。目前，遙感影像在土地利用、災(zāi)害監(jiān)測等諸多領(lǐng)域得到了廣泛的應(yīng)用，但是傳感器噪聲、物像相對移動(dòng)以及光學(xué)系統(tǒng)的像等因素較大程度上影響到遙感衛(wèi)星影像的空間分辨率。為了促使遙感影像分辨率得到提升，通常會(huì)從硬件和軟件兩個(gè)方面著手。通過改進(jìn)硬件，促使影像空間分辨率得到提升，這種途徑需要較長的周期和較大的成本。因此，逐漸出現(xiàn)了遙感影像超分辨率重建技術(shù)。調(diào)查研究發(fā)現(xiàn)，目前國外已經(jīng)在遙感系統(tǒng)中成功應(yīng)用了超分辨率重建技術(shù)。如德國徠卡公司在三線陣航空數(shù)字相機(jī)系統(tǒng)中應(yīng)用了超分辨率重建技術(shù)，美國有大學(xué)在實(shí)驗(yàn)中成功了提高了紅外圖像的分辨率。我國因?yàn)樵谶b感影像重建研究方面只有很短時(shí)間的發(fā)展歷程，應(yīng)用還不夠成熟，但是引起了領(lǐng)域內(nèi)專家的廣泛關(guān)注和重視。

2 遙感影像超分辨率處理流程

在遙感影像超分辨率處理過程中，首先，如果低分辨率圖像的數(shù)量無法滿足要求，則需要將模擬圖像退化模型構(gòu)建起來，對一序列的低分辨率實(shí)驗(yàn)圖像進(jìn)行獲取。其次，從亞像級角度匹配低分辨率圖像，通過運(yùn)動(dòng)估計(jì)，對運(yùn)動(dòng)矩陣、模糊矩陣、下采樣矩陣等進(jìn)行獲取。第三，結(jié)合運(yùn)動(dòng)參數(shù)，對重建方法合理選擇，重建影像。第四，模糊、去噪處理高分辨率圖像。最后，對圖像的評價(jià)指標(biāo)合理計(jì)算，量化評價(jià)重建效果。

3 遙感影像超分辨率處理技術(shù)及研究進(jìn)展

3.1 圖像退化模型

研究發(fā)現(xiàn)，超分辨率重建技術(shù)主要是在轉(zhuǎn)換模型的支持下，綜合低分辨率圖像序列的互補(bǔ)信息，進(jìn)而將高分辨率圖像重新構(gòu)建起來。在這個(gè)過程中，圖像的清晰度會(huì)受到像差、失真等因素的不利影響，因此，就需要將圖像退化模型技術(shù)運(yùn)用過來。圖像退化具有十分復(fù)雜的過程，一般將線性模型運(yùn)用過來，以便對其過程進(jìn)行簡單模擬。包括三個(gè)步驟：首先為形變，包括全局形變和局部形變兩種類型，目前全局形變得到廣泛應(yīng)用。通過配準(zhǔn)處理，對亞像素級別的運(yùn)動(dòng)估計(jì)、形變矩陣進(jìn)行獲取。其次為模糊，將點(diǎn)擴(kuò)散函數(shù)運(yùn)用過來，對光學(xué)模糊、運(yùn)動(dòng)模糊等進(jìn)行表述。最后為下采樣，相較于采樣之前，采樣后的空間分辨率較低，對降采樣矩陣進(jìn)行確定。然后在退化模型公式中輸入矩陣參數(shù)、噪聲以及低分辨率圖像，即可對高分辨率圖像進(jìn)行獲取。

3.2 遙感影像配準(zhǔn)

在遙感影像超分辨率處理技術(shù)中，低分辨圖像序列間互補(bǔ)信息的獲取是關(guān)鍵環(huán)節(jié)，只有獲得豐富的互補(bǔ)信息，方可以提高重建效果。而通過影像序列配準(zhǔn)后的運(yùn)動(dòng)估計(jì)，方可以獲取互補(bǔ)信息。圖像配準(zhǔn)主要是疊加匹配各幀圖像，進(jìn)而將最佳變換的對應(yīng)關(guān)系找出來。目前，出現(xiàn)了三種配準(zhǔn)算法：

首先，頻率域法。在傅里葉變換性質(zhì)的影響下，頻率域法可以對影像平移、旋轉(zhuǎn)、縮放等進(jìn)行處理，局限性較大，但是可以非常便捷的處理混疊。其中，F(xiàn)ourier變換域法得到了十分廣泛的應(yīng)用，其具有較小的運(yùn)算量，復(fù)雜的影像轉(zhuǎn)換需求無法實(shí)現(xiàn)，且先驗(yàn)約束無法添加。

其次，空間域法。本種方法可以在大部分運(yùn)動(dòng)模型中實(shí)施，既可以處理整幅圖像，局部分塊、運(yùn)動(dòng)向量場的構(gòu)建需求也可以得到有效滿足。有專家將Taylor級數(shù)性質(zhì)充分運(yùn)用起來，借助于迭代法的實(shí)施，即可對影像序列間的運(yùn)動(dòng)情況精確求解。在特征算法支持下，將配準(zhǔn)映射關(guān)系構(gòu)建于提取到的圖像特征中。實(shí)踐研究表明，本種方法具有較強(qiáng)的通用性和魯棒性。基于光流的算法近些年來成為研究的熱點(diǎn)，主要是對目標(biāo)運(yùn)動(dòng)信息進(jìn)行估算，進(jìn)而將影像間的對應(yīng)形變關(guān)系確定出來。

最后，空頻域法。相較于空間域法，本種方法可以更加高效的處理混疊效應(yīng)，但是在適用性方面不如空間域法，因此，就可以綜合使用這兩種技術(shù)。其中，基于小波的運(yùn)動(dòng)模型、復(fù)數(shù)小波變換算法等都屬于重要的空頻域法，這些技術(shù)需要花費(fèi)較長的時(shí)間，制約到了其廣泛的應(yīng)用[1]。

3.3 遙感影像重建

目前，頻率域的頻譜解混疊算法理論與非均勻插值算法是比較經(jīng)常用到的圖像重建技術(shù)，前者具有十分簡單的理論，實(shí)現(xiàn)難度較小；后者直觀性較強(qiáng)。但是這兩種方法不具備較強(qiáng)的適應(yīng)性，僅僅可以重建一般圖像，無法超分辨率重建遙感影像。針對這種情況，下面主要介紹遙感影像重建技術(shù)。

首先，迭代反向投影法。本種方法指的是對低分辨率圖像序列、實(shí)際觀測圖像之間的差值進(jìn)行獲取，然后借助于迭代公式，最大程度的縮小誤差，促使圖像估計(jì)值得到不斷更新。本種方法難度較小，直觀性較強(qiáng)，但是唯一解缺乏，先驗(yàn)約束難以引入，且反向投影算子參數(shù)無法合理選擇。

其次為凸集投影法。本種技術(shù)主要是在若干閉合且滿足一定特性的凸集里限制可行解，用向量集合對其定義。一旦有非空交集出現(xiàn)于約束集中，本交集就是解空間，向凸集中交替投影本交集，以便對高分辨率圖像進(jìn)行獲取。實(shí)踐表明，本種方法的實(shí)施，先驗(yàn)信息能夠快速有效的引入，但是計(jì)算收斂不快，且沒有唯一的解。

再次，正則化重建法。一般情況下，可以將本種方法分為兩種類型，分別為統(tǒng)計(jì)先驗(yàn)?zāi)Ｐ团c重建模型。統(tǒng)計(jì)先驗(yàn)?zāi)Ｐ褪菍⒇惾~斯方法運(yùn)用過來，將解的先驗(yàn)知識規(guī)整化問題引入進(jìn)來，其具有唯一的解，且圖像先驗(yàn)知識能夠快速引入，空間觀測模型的靈活性較強(qiáng)，重建效果較好，但是無法高質(zhì)量的處理圖像邊緣與細(xì)節(jié)，針對這種情況，就需要結(jié)合使用Huber-Markov模型與GIBBS圖像先驗(yàn)知識[2]。

最后，學(xué)習(xí)訓(xùn)練法。本種方法指的是借助于訓(xùn)練數(shù)據(jù)集，對低分辨率圖像、高分辨率圖像之間的映射關(guān)系進(jìn)行尋找。在具體實(shí)施過程中，結(jié)合低分辨率圖像與高分辨率圖像，對退化的先驗(yàn)信息、高低分辨率圖像之間的關(guān)聯(lián)參數(shù)進(jìn)行獲取，然后對訓(xùn)練庫中的同類圖像進(jìn)行搜索，保證其類似于輸入圖像。做出合理假設(shè)，兩者的退化模型、先驗(yàn)知識是統(tǒng)一的，然后結(jié)合學(xué)習(xí)信息，重建低分辨率圖像，即可將高分辨率圖像構(gòu)建起來。

綜合分析這些重建技術(shù)可以得知，頻率域法僅僅能夠在全圖平移運(yùn)動(dòng)、線性空間中應(yīng)用，且包含了十分有限的先驗(yàn)知識，因此，逐漸不再受到人們的關(guān)注。而學(xué)習(xí)訓(xùn)練方法將圖像先驗(yàn)知識充分利用了起來，高頻細(xì)節(jié)能夠產(chǎn)生，獲取結(jié)果比較優(yōu)質(zhì)，但是在本種技術(shù)的實(shí)施過程中，需要將圖像數(shù)據(jù)庫構(gòu)建起來，對訓(xùn)練樣本數(shù)量要求較高，通常處理一些特定類型的圖像，如復(fù)原文字、復(fù)原人臉等等，無法有效應(yīng)用于遙感影像高分辨率處理當(dāng)中?？臻g域技術(shù)則借助于數(shù)學(xué)方程組來表示觀測模型，涵蓋了較多的因素和內(nèi)容。經(jīng)過不斷發(fā)展，目前開始聯(lián)合使用空間域法和其他的圖像處理技術(shù)，效果比較顯著。由此可見，空間域法的靈活性較強(qiáng)，適用范圍較大，可以有效應(yīng)用于遙感影像超分辨率處理當(dāng)中[3]。

3.4 重建效果評價(jià)

通常情況下，可以采用兩種類型來評價(jià)圖像質(zhì)量，分別是主觀視覺感受與客觀量化指標(biāo)。具體來講，主觀視覺感受指的是人們在眼睛觀察的基礎(chǔ)上，將已有的經(jīng)驗(yàn)和知識運(yùn)用過來，對比評價(jià)圖像，這樣就會(huì)存在很大差異，影響到評價(jià)的精確性。而客觀量化指標(biāo)的引入，則能夠促使主觀評價(jià)的缺陷和問題得到有效彌補(bǔ)與解決，其中，平均絕對誤差、歸一化均方誤差、均方誤差、峰值信噪比等是比較經(jīng)常用到的客觀量化指標(biāo)。這些指標(biāo)可以將圖像誤差的整體統(tǒng)計(jì)特性反映出來，但是圖像誤差的局部特性卻無法反應(yīng)，針對這種情況，又提出了結(jié)構(gòu)相似性指標(biāo)。

4 結(jié)束語

通過超分辨率重建技術(shù)的應(yīng)用，遙感觀測系統(tǒng)不需要改變的基礎(chǔ)上，即可促使影像分辨率得到提升，具有較大的優(yōu)勢和研究價(jià)值。在未來的發(fā)展中，需要緊密結(jié)合實(shí)際應(yīng)用需求，對現(xiàn)有算法大力完善，對算法效率不斷提升，促使遙感影像超分辨率處理技術(shù)水平得到提升，應(yīng)用范圍得到擴(kuò)大，以便推動(dòng)相關(guān)領(lǐng)域的進(jìn)步和發(fā)展。