一种基于稀疏字典和残余字典的遥感图像超分辨重建算法

RemoteSensingImageSuper-resolutionbyUsingSparseDictionaryandResidualDictionary

作者：杨晓敏(四川大学电子信息学院)；吴炜(四川大学电子信息学院)；干宗良(南京邮电大学通信与信息工程学院)；严斌宇(四川大学电子信息学院)；张莹莹(四川大学电子信息学院)

Author：YangXiaomin(CollegeofElectronicandInfo.Eng.,SichuanUniv.)；WuWei(CollegeofElectronicandInfo.Eng.,SichuanUniv.)；GanZhongliang(CollegeofTelecommunicationsandInfo.Eng.,NanjingUniv.ofPostsandTelecommunications)；YanBinyu(CollegeofElectronicandInfo.Eng.,SichuanUniv.)；Zhang Yingying(CollegeofElectronicandInfo.Eng.,SichuanUniv.)

收稿日期：2014-07-01 年卷（期）页码：2015,47(3):71-76

期刊名称：工程科学与技术

Journal Name：Advanced Engineering Sciences

关键字：遥感图像；超分辨率；字典学习；稀疏表示

Key words：remotesensingimages;super-resolution;dictionarylearning;sparserepresentation

基金项目：中国科学院数字地球重点实验室开放基金资助项目(2012LDE016)；武汉大学测绘遥感信息工程国家重点实验室开放基金项目（12R03）; 高等学校博士学科点专项科研基金项目（20130181120005）；国家自然科学基金项目（61271330；6141101009）; 四川省科技支撑计划项目 (2014GZ0005);中国博士后科学基金项目 (2014M552357); 南京邮电大学江苏省图像处理与图像通信重点实验室开放基金项目 (LBEK2013001)

中文摘要

为了解决低分辨率遥感图像超分辨率重建问题，提出一种基于稀疏字典和结构自相似性的遥感图像超分辨方法。首先，引入了稀疏字典学习方法，改善了字典的结构性，得到的字典具有较好的正则性与灵活性。此外，为了更好地重建高分辨率图像，学习初始稀疏字典对和残余稀疏字典对。初始稀疏字典对用于重建初始高分辨率遥感图像；初始高分辨率遥感图像相对于原始高分辨率图像失去了部分细节信息，用残余稀疏字典对对图像的残留信息进行重建。最后，根据遥感图像存在大量的结构相似性特性，利用非局部均值算法对重建图像进行修正。实验结果表明，本算法与其他算法相比，图像质量在主观和客观方面都有所提高，峰值信噪（PSNR）比达到24.6905，SSIM达到0.7363。

英文摘要

Asuperresolution(SR)methodforremotesensingimagesbasedonsparsedictionaryandstructuralself-similaritywasproposed.Furthermore,comparedwithcorrespondencebetweenLRandHRimagepatchesfromaconventionalSRmethods,twodictionarypairs,i.e.primitivesparsedictionarypairandresidualsparsedictionarypair,arerainingdatabase.Theprimitivesparsedictionarypairislearnedtoreconstructinitialhigh-resolution(HR)remotesensingimagefromasinglelow-resolution(LR)input.However,theinitialHRremotesensingimagelosessomedetailscomparewiththecorrespondingoriginalHRimagecompletely.Therefore,residualsparsedictionarypairislearnedtoreconstructresidualinformation.Finally,self-similaritystructuralwidelyexistinremotesensingimagesandthisfeaturecan beusedtocorrectthereconstructedimagebynonlocalmeans(NLM)method.Experimentalresultsshowedthattheproposedalgorithmprovidesbettersubjectiveandobjectivequality,whencomparedtotheconventionalalgorithmsanditsPSNRis24.6905,SSIMis0.7363

【关闭】

论文摘要

一种基于稀疏字典和残余字典的遥感图像超分辨重建算法

RemoteSensingImageSuper-resolutionbyUsingSparseDictionaryandResidualDictionary