CN105701769A - 边界灰度分布相关的合成孔径雷达遥感图像分块重构方法 - Google Patents

Abstract

本发明公开一种边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，包括以下步骤：将SAR遥感图像序列融合成的单帧图像g分成若干图像块，为避免边界效应，分块时为每个图像块保留一定冗余边界；根据每个图像块自身的特征来构造最适合它的特征驱动先验，并逐一对每个图像块进行超分辨率重构；最后切除每个重构图像块的冗余边界，再将它们重组成完整的SAR遥感图像。本发明在通过SAR图像分块和重组来提高先验模型区域针对性和计算机存储运算效率的同时，能够有效保持图像灰度分布的相关性，且先验信息形式由图像统计特征决定，保证了SAR图像重构过程高效、重构视觉连续性好、数据准确。

Description

边界灰度分布相关的合成孔径雷达遥感图像分块重构方法

技术领域

本发明涉及遥感图像处理技术，具体涉及一种边界灰度分布相关的合成孔径雷达遥感图像分块重构方法。

背景技术

合成孔径雷达(SyntheticApertureRadar，SAR)遥感图像超分辨率重构，是一种突破硬件物理限制和人为信息封锁，通过信号处理方法获得高空间分辨率的雷达遥感图像的技术。其中的最大后验法(maximumaposteriori，MAP)SAR图像超分辨率，引入了图像的先验信息而且遵循了严格的贝叶斯概率推理，成为了常用的重构方法。

然而，现有技术中存在以下问题：

①通常引入的先验信息模型，是对SAR图像像素统计特征的整体刻画，并没有考虑SAR图像中不同地物或区域的统计特征差别，同时，SAR图像观测尺度大，数据量比普通图像高，形成的超大型矩阵会给计算机的存储和运算带来压力；

②若采用图像分块处理来提高先验模型区域针对性和减少计算机存储运算压力，却难以消除由此产生的图像块之间灰度分布相关性低、连续性差的边界效应，这主要是因为参与边界像素估计的邻域像素(仅有三个甚至两个邻域方向)缺失而导致；

③传统SAR图像先验信息形式可归纳为高斯和拉普拉斯两种基本模型，选取哪一种作为先验信息，完全依赖于经验假设，即使基于实例的(example-based)方式也要使用外来训练集确定，可信度不高。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，本发明将图像进行分块并根据各块特征分别重构，且使重构块之间的边界灰度分布相关。该方法在提高先验模型区域针对性和减少计算机存储运算压力的同时，能够有效消除图像灰度分布相关性低、连续性差的边界效应，而且先验信息形式由SAR图像统计特征决定，重构结果更为准确、可靠。

技术方案：本发明所述的一种边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，依次包括以下步骤：

(1)将SAR遥感图像序列融合成的单帧图像g分成若干图像块，为避免边界效应，分块时为每个图像块保留一定冗余边界；

(2)根据每个图像块自身的特征来构造最适合它的特征驱动先验，并逐一对每个图像块进行超分辨率重构；

(3)最后切除每个重构图像块的冗余边界，再将它们重组成完整的SAR遥感图像。

进一步的，所述步骤(1)中，单帧图像的得到过程为：输入同场景低分辨率的SAR图像序列，然后对该SAR图像序列进行空间配准，而后将所有低分辨率SAR图像融合成较高分辨率的单帧SAR图像g，其中，融合的具体过程为：

(1-1)按照配准的位置将所有SAR图像置于一个标准的高分辨率网格内，得到像素非均匀分布的图像；

(1-2)对网格内像素非均匀分布的图像进行核回归处理，使像素分布均匀化，得到较高分辨率的单帧SAR图像。

进一步的，所述步骤(1)中单帧图像g分成若干图像块的过程为：将单帧图像g分割成p行q列，得到p×q个图像块，每相邻两个图像块的边界均向外保留w(0<w<5)个像素宽度的冗余，使得每对相邻图像块都有2w个像素宽度的边界重叠。

进一步的，所述步骤(2)，就是对所有图像块{g_ij|0<i≤p,0<j≤q}逐一进行基于特征驱动先验的单帧超分辨率重构，每个图像块g_ij的重构结果为其原始图像块f_ij的估计值其中，下标i表示图像块的行序数，下标j表示图像块的列序数；

设g_ij、f_ij和的像素数均为N，每个图像块g_ij重构的步骤均如下：

(2-1)用高通算子Γ(此处的的高通算子采用拉普拉斯算子，其掩模表示为 $\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$ )对g_ij进行高通滤波，得到g_ij的高频图像g_Hij＝Γg_ij，其中，g_Hij的像素数为N；

(2-2)从g_Hij中抽取S个像素，构成样本g_SHij；

(2-3)用g_SHij分别估计在高斯分布先验和拉普拉斯分布先验下g_Hij像素的标准差：当g_Hij服从高斯分布的先验，标准差为当g_Hij服从拉普拉斯分布的先验，标准差为

(2-4)构造代价函数C_ij：若则f_ij服从高斯分布先验，且 $C_{ij}=\mathrm{\&beta;}\left|\right|g_{ij}-B_{ij}{f}_{ij}|{|}_2^2+\frac{\left|\right|{\mathrm{\&Gamma;f}}_{ij}|{|}_2^2}{{\widehat{\mathrm{\&sigma;}}}_{Gij}^2};$ 若则f_ij服从拉普拉斯分布先验，且其中，e表示自然常数，B_ij表示g_ij的模糊算子，1/β为g_ij的噪声方差，||·||₁表示1-范数运算符，||·||₂表示2-范数运算符；

(2-5)以g_ij作为初始值，利用共轭梯度算法对C_ij进行迭代寻优，得到估计值

进一步的，所述步骤(3)中，切除每个重构图像块的冗余边界的具体操作为：对步骤(2)中每个重构后的图像块逐一切除其w个像素宽度的边界进而得到无冗余边界的重构图像块h_ij，此时每相邻两个重构图像块h_ij的边界均不再重合。

进一步的，所述步骤(3)中，重组成完整的SAR遥感图像的过程为：将所有切除冗余边界的重构图像块{h_ij|0<i≤p,0<j≤q}按下标行列位置进行重新组合(具体过程是：将h₁₁置于第1行第1列，将h₁₂置于第1行第2列，…，将h_ij置于第i行第j列，…，将h_pq置于第p行第q列)，得到边界灰度分布相关的完整高分辨率SAR图像h，并作为最终结果输出。

有益效果：本发明在通过SAR图像分块和重组来提高先验模型区域针对性和计算机存储运算效率的同时，采用拓展和切除冗余边界的方式有效保持了图像块之间边界灰度分布的相关性，对于每个图像块的重构更加入了特征驱动的先验选择机制，先验信息形式由图像统计特征决定，由此保证了SAR图像重构过程高效、重构视觉连续性好、数据准确。

附图说明

图1为本发明的整体流程图；

图2为实施例中的流程示意图；

图3为图2中特征驱动超分辨率重构的流程图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

如图1所示，本发明的一种边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，依次包括以下步骤：将SAR遥感图像序列融合成的单帧图像g分成若干图像块，为避免边界效应，分块时为每个图像块保留一定冗余边界；根据每个图像块自身的特征来构造最适合它的特征驱动先验，并逐一对每个图像块进行超分辨率重构；最后切除每个重构图像块的冗余边界，再将它们重组成完整的SAR遥感图像。

实施例1：

如图2所示，本实施例中的边界灰度分布相关的合成孔径雷达遥感图像分块重构方法的具体步骤为：

(1)输入同场景低分辨率SAR图像序列；

(2)对SAR图像序列进行空间配准，而后将所有低分辨率SAR图像融合成较高分辨率的单帧SAR图像g，其中，融合的具体过程为：

(2-1)按照配准的位置将所有SAR图像置于一个标准的高分辨率网格内，得到像素非均匀分布的图像；

(2-2)对网格内像素非均匀分布的图像进行核回归处理，使像素分布均匀化，得到较高分辨率的单帧SAR图像；

(3)将g分割成2行2列的图像块，每相邻俩两个图像块的边界向外保留w(0<w<5)个像素宽度的冗余，使得每对相邻图像块都有2w个像素宽度的边界重叠；

(4)对所有图像块{g_ij|0<i≤2,0<j≤2}逐一进行基于特征驱动先验的单帧超分辨率重构，每个图像块g_ij的重构结果为其原始图像块f_ij的估计值其中，下标i表示图像块的行序数，下标j表示图像块的列序数；设g_ij、f_ij和的像素数均为N，如图3所示，针对每个g_ij，基于特征驱动先验的单帧超分辨率重构的步骤如下：

(4-1)用高通算子Γ(此处的的高通算子采用拉普拉斯算子，其掩模表示为 $\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$ )对g_ij进行高通滤波，得到g_ij的高频图像g_Hij＝Γg_ij，其中，g_Hij的像素数为N；

(4-2)从g_Hij中抽取S个像素，构成样本g_SHij；

(4-3)用g_SHij分别估计在高斯分布先验和拉普拉斯分布先验下g_Hij像素的标准差：当g_Hij服从高斯分布的先验，标准差为当g_Hij服从拉普拉斯分布的先验，标准差为

(4-4)构造代价函数C_ij：若则f_ij服从高斯分布先验，且 $C_{ij}=\mathrm{\&beta;}\left|\right|g_{ij}-B_{ij}{f}_{ij}|{|}_2^2+\frac{\left|\right|{\mathrm{\&Gamma;f}}_{ij}|{|}_2^2}{{\widehat{\mathrm{\&sigma;}}}_{Gij}^2};$ 若 ${\widehat{\mathrm{\&sigma;}}}_{Lij}<\sqrt{\frac{\mathrm{\&pi;}}{2e}}{\widehat{\mathrm{\&sigma;}}}_{Gij},$ 则f_ij服从拉普拉斯分布先验，且其中，e表示自然常数，B_ij表示g_ij的模糊算子，1/β为g_ij的噪声方差，||·||₁表示1-范数运算符，||·||₂表示2-范数运算符；

(4-5)以g_ij作为初始值，利用共轭梯度算法对C_ij进行迭代寻优，得到估计值

(5)对每个图像块逐一切除其w个像素宽度的边界得到无冗余边界的图像块h_ij，此时相邻h_ij的边界不再重合；

(6)将所有图像块{h_ij|0<i≤2,0<j≤2}按下标行列位置进行重新组合(具体过程是：将h₁₁置于第1行第1列，将h₁₂置于第1行第2列，将h₂₁置于第2行第1列，将h_pq置于第2行第2列)，得到边界灰度分布相关的完整高分辨率SAR图像h，并作为最终结果输出。

Claims (6)

1.一种边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，其特征在于：依次包括以下步骤：

(1)将SAR遥感图像序列融合成的单帧图像g分成若干图像块，为避免边界效应，分块时为每个图像块保留一定冗余边界；

(2)根据每个图像块自身的特征来构造最适合它的特征驱动先验，并逐一对每个图像块进行超分辨率重构；

(3)最后切除每个重构图像块的冗余边界，再将它们重组成完整的SAR遥感图像。

2.根据权利要求1所述的边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，其特征在于：所述步骤(1)中，单帧图像的得到过程为：

输入同场景低分辨率的SAR图像序列，然后对该SAR图像序列进行空间配准，而后将所有低分辨率SAR图像融合成较高分辨率的单帧SAR图像g，其中，融合的具体过程为：

(1-1)按照配准的位置将所有SAR图像置于一个标准的高分辨率网格内，得到像素非均匀分布的图像；

(1-2)对网格内像素非均匀分布的图像进行核回归处理，使像素分布均匀化，得到较高分辨率的单帧SAR图像。

3.根据权利要求1所述的边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，其特征在于：所述步骤(1)中单帧图像g分成若干图像块的过程为：

将单帧图像g分割成p行q列，得到p×q个图像块，每相邻两个图像块的边界均向外保留w个像素宽度的冗余，使得每对相邻图像块都有2w个像素宽度的边界重叠，0<w<5。

4.根据权利要求1所述的边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，其特征在于：所述步骤(2)对所有图像块{g_ij|0<i≤p,0<j≤q}逐一进行基于特征驱动先验的单帧超分辨率重构，每个图像块g_ij的重构结果为其原始图像块f_ij的估计值其中，下标i表示图像块的行序数，下标j表示图像块的列序数；

设g_ij、f_ij和的像素数均为N，每个图像块g_ij重构的步骤均如下：

(2-1)用高通算子Γ对g_ij进行高通滤波，得到g_ij的高频图像g_Hij＝Γg_ij，其中，g_Hij的像素数为N，此处的高通算子采用拉普拉斯算子，其掩模表示为 $\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right];$

(2-2)从g_Hij中抽取S个像素，构成样本g_SHij；

(2-3)用g_SHij分别估计在高斯分布先验和拉普拉斯分布先验下g_Hij像素的标准差：当g_Hij服从高斯分布的先验，标准差为当g_Hij服从拉普拉斯分布的先验，标准差为

(2-4)构造代价函数C_ij：若则f_ij服从高斯分布先验，且 $C_{ij}=\mathrm{\&beta;}\left|\right|g_{ij}-B_{ij}{f}_{ij}|{|}_2^2+\frac{\left|\right|{\mathrm{\&Gamma;f}}_{ij}|{|}_2^2}{{\widehat{\mathrm{\&sigma;}}}_{Gij}^2};$ 若 ${\widehat{\mathrm{\&sigma;}}}_{Lij}<\sqrt{\frac{\mathrm{\&pi;}}{2e}}{\widehat{\mathrm{\&sigma;}}}_{Gij},$ 则f_ij服从拉普拉斯分布先验，且其中，e表示自然常数，B_ij表示g_ij的模糊算子，1/β为g_ij的噪声方差，||·||₁表示1-范数运算符，||·||₂表示2-范数运算符；

(2-5)以g_ij作为初始值，利用共轭梯度算法对C_ij进行迭代寻优，得到估计值

5.根据权利要求1所述的边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，其特征在于：所述步骤(3)中，切除每个重构图像块的冗余边界的具体操作为：

对步骤(2)中每个重构后的图像块逐一切除其w个像素宽度的边界进而得到无冗余边界的重构图像块h_ij，此时每相邻两个重构图像块h_ij的边界均不再重合。

6.根据权利要求1所述的边界灰度分布相关的合成孔径雷达遥感图像分块重构方法，其特征在于：所述步骤(3)中，重组成完整的SAR遥感图像的过程为：

将所有切除冗余边界的重构图像块{h_ij|0<i≤p,0<j≤q}按下标行列位置进行重新组合：将h₁₁置于第1行第1列，将h₁₂置于第1行第2列，…，将h_ij置于第i行第j列，…，将置于第p行第q列，最终得到边界灰度分布相关的完整高分辨率SAR图像h，并作为最终结果输出。