CN1831556A

CN1831556A - 单幅卫星遥感影像小目标超分辨率重建方法

Info

Publication number: CN1831556A
Application number: CN 200610018784
Authority: CN
Inventors: 秦前清; 孙涛; 杨志高; 林立宇; 梅天灿; 杨杰; 武文波
Original assignee: Wuhan University WHU
Current assignee: Bainianjinhai Security Technology Co., Ltd.
Priority date: 2006-04-14
Filing date: 2006-04-14
Publication date: 2006-09-13
Anticipated expiration: 2026-04-14
Also published as: CN100510773C

Abstract

本发明是一种基于在轨卫星降晰参数辨识的单幅卫星遥感影像小目标超分辨率重建方法，具体包括：建立在轨卫星遥感影响降晰模型，辨析降晰参数；估计遥感影像信噪比并计算规整化因子α；重建算法将遥感图像分割成重叠的子块，分而治之，降低算法复杂度；频域与冗余小波域的规整化；解相关消噪算子；建立单幅卫星遥感影像超分辨率影像重建快速算法；亚像素重建；以调制传递函数作为遥感影像空间分辨率评价和影像质量评价的客观标准。本发明用于卫星图像军事目标识别，或小目标的检测和土地资源的遥感影像测量等领域。本发明具有解相关、解模糊效率高，遥感影像空间分辨率提高到原影像1.5～2倍，SNR可提高5dB，算法速度快，以及应用广等优点。

Description

单幅卫星遥感影像小目标超分辨率重建方法

技术领域

本发明涉及卫星遥感影像领域，特别是一种基于在轨卫星降晰参数辨识的单幅卫星遥感影像小目标超分辨率重建方法。

背景技术

遥感影像在卫星光学成像、传输、采集过程中，由于成像系统受到大气扰动、散焦、相对运动的影响，影像会有不同程度的降晰，典型的为混叠、模糊、失真和系统噪声，导致小目标不能被检测和识别。超分辨率重建是从质量较差、分辨率较低的影像来重建影像质量更好、空间分辨率高的影像的算法，主要应用于卫星影像军事目标识别、小目标的检测和遥感影像测量。2002年法国已成功的将超分辨率技术运用到SPOT5卫星上，空间分辨率提高到原影像的2倍，国外其他机构正进行研究。我国卫星成像空间分辨率目前只有4米左右(如资源二号)，而国外能够达到分米级(如QUICKBIRD为0.6米)。

由于单幅影像超分辨率重建是一个病态(ill-posed)方程的求逆问题，进行反演时，不一定有解，或有多个解，这是影像恢复中最棘手的问题。由于在求逆的过程中受到高频噪声放大，进而淹没了有效信号，并引入了伪信息。因此影像超分辨率过程中在增加影像高频细节信息的同时，而避免放大高频随机噪声(即规整化)是关键。

经典的逆滤波(Inverse Filter)和维纳滤波(WeinerFilter)很早就运用到影像的复原，但由于不能有效的解决自然影像的噪声放大和奇异性问题求解，而不能实用化。90年代初，在超分辨率影像重建方法研究上取得了突破性进展，Andrews和1999年Hunt针对实际问题从数学物理的角度诠释了超分辨率影像重建的理论基础和基本方法(见B.R.Hunt Super-Resolution of Imagery.的文章“Understanding theBasis for Recovery of Spatial Frequencies Beyond the Diffraction Limit”Digital Object IdentifierPage(s)：243-248Feb.1999和Andrews H C，Hunt B R.编著的《Digital Image Restoration》.PrenticeHall，New York，1977)。Tsai and Huang(1984)提出频域方法，将影像变换到频域做变换处理后重建得到空间域的高分辨率影像(R.Y.Tsai and T.S.Huang，Multiframe image restoration andregistration，in Advances in Computer Vision and Image Processing.)，但此方法难以包含先验知识，不能有效的抑制寄生波纹。Cheeseman(1994)在国家航天行星图片的超分辨重建项目基于Bayesian提出MAP(Maximum Posteriori Probability)方法(P.Cheeseman，B.Kanefsky，R.Kruft，J.Stutz，and R.Hanson，“Super-Resolved Surface Reconstruction From Multiple Images”)，除此之外，还有空域迭代的方法例如盲迭代反卷积方法(IBD：Iterative Blind Deconvolution)，凸集投影迭代(POCS)方法等。我国哈工大2003年对超分辨率处理中振铃现象的分析进行了分析(请见李金宗、黄建明等的文章“超分辨率处理中振铃现象的分析与抑制”)。但目前超分辨率影像重建的研究仍然存在很多问题如：1.如何在抑制高频噪声的放大的同时复原高频细节信息；2.重建影像的质量评价仍没有统一的客观评价标准；3.有效的系统参数的辨识方法；4.重建算法的自适应性和鲁棒性等等。

发明内容

本发明所要解决的技术问题是：鉴于我国卫星遥感器硬件水平和我国实际现状，提供一种基于我国在轨卫星降晰参数辨识的单幅卫星遥感影像小目标超分辨率重建方法。本方法能够将遥感影像空间分辨率提高到原影像的1.5～2倍，信噪比(SNR)提高5dB以上。

本发明解决其技术问题采用以下的技术方案：

本发明提供针对在轨卫星遥感器降晰模型辨识的单幅遥感影像小目标超分辨率重建方法，具体包括：

(1)建立在轨卫星遥感影响降晰模型，辨析降晰参数：

基于遥感影像降晰物理模型，对影像点状地物、线状地物分析，确定遥感影像成像系统降晰模型和相关参数，包括：光学部分点扩算函数，检测器部分点扩算函数，遥感器相对地物运动的点扩算函数，遥感器电子线路点扩算函数，建立遥感器成像系统传递函数。

(2)估计遥感影像信噪比并计算规整化因子α：根据规整化因子动态均衡解模糊过程中高频噪声信号的放大和高频细节对重建结果的影响，同时抑制寄生波纹和伪信息。

(3)遥感影像恢复是病态问题求解过程，在抑制高频随机噪声信号的同时增加影像高频细节信息，和影像有效带宽。

(4)解相关消噪算子：将影像分解到镜像对称小波子带内，在形态学小波非线性小波编码的基础上，抑制影像噪声，保留影像高频细节信息。

(5)建立单幅卫星遥感影像超分辨率影像重建快速算法：在小波子带内反卷积解模糊，抑制遥感影像混叠，减少影像重建的伪信息。

(6)重建算法将遥感图像分割成重叠的子块，分而治之，降低算法复杂度。

(7)以调制传递函数作为遥感影像空间分辨率评价和影像质量评价的客观标准：重建算法建立在物理降晰模型参数辨识和影像质量评价的标准之上。

本发明提供的方法，在卫星图像军事目标识别，或小目标的检测和土地资源的遥感影像测量等领域具有很好的应用前景。

本发明与现有技术相比具有以下显著的效果：

其一.提出了我国在轨卫星遥感器降晰参数的辨识方法，建立了客观的二维各向异性PSF。重建算法建立在物理降晰模型参数辨识和影像质量评价的标准之上，提高了重建算法的鲁棒性和自适应性。

其二.根据有效信号和噪声的统计分布特性，提出在频域和冗余小波域规整化方法，有效的抑制了解模糊过程中的高频噪声的放大和伪信息的引入。

其三.重建后遥感影像空间分辨率提高到原影像的1.5～2倍，SNR提高5dB。

其四.重建算法能明显增加遥感影像有效带宽，并突破成像系统截止频率。

其五.提出运用MTF和SNR评价重建图像的空间分辨率和图像质量，这种方法更客观。

总之，本发明建立在在轨卫星遥感器降晰模型参数辨识和影像质量评价的标准之上，解相关、解模糊效率高，空间分辨率提高到原影像1.5～2倍，SNR可提高5dB，算法速度快。可应用于卫星影像军事目标识别、小目标的检测和土地资源的遥感影像测量。

附图说明

图1：卫星遥感影像降晰物理模型。

图2：单幅遥感影像各向异性亚像素超分辨重建算法流程框图。

图3至图7：仿真降晰影像重建，其功率谱及其MTF曲线。其中，图3、图4、图5分别是原始影像、降晰影像、重建影像，图6是图像功率谱，重建前后功率谱有明显变化。由图7所示，降晰影像高频细节部分信号损失，影像变得模糊，重建图像明显增加了有效带宽。影像重建后高频细节信号得到补偿，ISNR(Improvement SNR)为9.92。

图8至图11：SPOT5空间分辨率为5米遥感影像重建结果与空间分辨率为2.5米的遥感影像对比，及其MTF曲线对比结果。其中，图8、图9、图10分别是SPOT5 5m影像、5m影象的重建结果和SPOT5 2.5m影像。图11为其MTF曲线，重建图像突破原始影像SPOT5m影像的截止频率，单幅重建图像空间分辨率有5m提高到2.5m左右，且噪声比SPOT2.5m影像少。

图12至图13：我国资源3号遥感影像与本方法重建结果比较。图12是资源3号遥感原影像，空间分辨率为3.5m，其小目标地物非常模糊，重建后(图13)小目标比较清晰，空间分辨率提高到原影像的2倍左右。

图14至图16：另一幅我国资源3号遥感影像与本方法重建结果以及同一地物QICKBIRD(空间分辨率为0.6m)遥感影像的比较。图14是资源3号遥感原影像，空间分辨率为3.5m，其锯齿状小目标地物非常模糊(箭头指处)，重建后(图15)小目标较清晰，图16为同一地物QUICKBIRD的高分辨率遥感图像，说明本发明能够由低分辨率遥感影像重建得到高分辨率影像，同时可以有效的抑制伪信息的引入。

具体实施方式

本发明提出运用遥感影像线状地物、边缘检测、图像分析以及经验公式来辨识我国在轨卫星遥感器降晰参数；提出基于形态学冗余小波变换，影像重建过程中抑制高频噪声信号的基础上增加遥感影像的高频细节信息，分别在频率和小波域进行规整化，抑制伪信息，实现小目标超分辨率重建，重建算法建立在物理降晰模型参数辨识和影像质量评价的标准之上，提高了重建算法的鲁棒性和自适应性。主要应用于卫星影像军事目标识别、小目标的检测和遥感影像测量。

本发明是降晰模型辨识的单幅遥感影像小目标超分辨率重建方法，具体步骤包括：

(1)建立在轨卫星遥感影响降晰模型，辨析降晰参数：

如图1所示：基于遥感影像降晰物理模型，对影像点状地物、线状地物分析，确定遥感影像成像系统降晰模型和相关参数，包括：光学部分点扩算函数(PSF_opt)，检测器部分点扩算函数(PSF_det)，遥感器相对地物运动的点扩算函数(PSF_mot)，遥感器电子线路点扩算函数(PSF_elec)，以及建立遥感器成像系统传递函数(PSF_total)。对于遥感影像小目标检测，遥感影像降晰是制约目标识别的问题关键。降晰参数的辨识提高了重建算法的鲁棒性和自适应性。

(2)估计遥感影像信噪比(SNR)并计算规整化因子α：根据规整化因子动态均衡在解模糊过程中高频噪声信号和细节信号对影像的影响，抑制高频噪声信号的放大和寄生波纹。由于经典的逆滤波(inverse filter)和维纳滤波(Wiener filter)的局限性，本发明采用了分别在频域、小波域对由于影像复原求逆问题进行规整化(Regularity)的方法，在抑制高频随机噪声信号的同时可以有效增加影像高频细节信息和影像的有效的带宽。

(4)解相关消噪：将大幅遥感影像分割成有重叠的子块，即将影像分解到镜像对称小波子带内，在形态学小波非线性小波编码的基础上，根据噪声和有效信号在频域和小波域的不同的统计分布特性，在冗余小波域内抑制影像随机噪声，同时保留影像高频细节信息(边缘、纹理)。

(5)建立单幅卫星遥感影像超分辨率影像重建快速算法：基于已辨识参数二维PSF，在冗余小波域内进行反卷积解模糊，同时抑制高频噪声的放大和伪信息的引入。

(7)以调制传递函数(MTF)作为遥感影像空间分辨率评价和影像质量评价的客观标准：重建算法建立在物理降晰模型参数辨识和影像质量评价的标准之上。

上述步骤(4-7)中，可将大影像分成有重叠的512×512的子块，以降低算法复杂度，复杂度为O(NlogN)。

本方法实现了单帧遥感影像超分辨率影像重建，空间分辨率可提高到原影像的1.5～2倍，且具备了工程使用的要求，例如具备了在卫星影像军事目标识别，或小目标的检测和土地资源的遥感影像测量等领域使用的要求。

下面结合附图对本发明作进一步说明。

1.理论基础：卫星遥感成像系统不可避免的受到大气扰动、遥感器成像系统相对地物场景运动、几何变形等导致的散焦，欠采样，系统随机噪声，造成遥感影像的降晰、退化。超分辨率重建是从质量较差、分辨率较低的影像来重建影像质量更好、空间分辨率更高的影像的算法，实际是求逆问题。进行反演运算时，反演不一定有解，即奇异问题；另外反演方程可能有多个解。这两种情况都称为影像复原的病态性。

理论上观测影像的支持域是二维平面上的一个有限区域，其成像模型为：

Y＝PSF_total*X+N (1)

公式(1)中：

Y -观测影像

X -实际地物的像

PSF_total-系统的光学传递函数

N -随机噪声

其中：

PSF_total(x，y)＝PSF_opt*PSF_mot*PSF_det*PSF_elec

基于如图1所示的卫星遥感影像降晰物理模型，借鉴光学部分点扩算函数(PSF_opt)，检测器部分点扩算函数(PSF_det)，遥感器相对地物运动的点扩算函数(PSF_mot)经验公式，根据本发明提出的根据点状地物和线状地物图像测量和分析的方法，辨识并建立遥感器二维各向异性PSF_total。遥感影像复原在已知遥感器降晰参数和观测影像的基础上反演求逆估计实际地物场景。去相关，解模糊得到地物影像的最佳估计。

2.算法流程框图：

见图2：首先根据典型地物辨识降晰参数，将大幅遥感图像分割成有重叠的子块，分而治之，降低算法复杂度，小波变换具有解相关的特性，且对非平稳信号-影像的边缘、纹理具有很好的逼近能力，这一点明显优于频域的滤波算法，因此分别进行频率和小波域的规整化。本发明采用镜像小波基的正交特性，冗余小波变换将有效信号和噪声分解到不同的子带内，在小波子带内进行形态小波编码，消噪和去相关；反卷积解模糊。最后完成亚像素的重构得到高空间分辨率的遥感图像。将子块配准拼结成整幅遥感影像。

3.步骤：

(1)基于点状地物(线状地物)、边缘检测、影像图像测量和分析，辨识我国在轨卫星遥感器相关降晰参数，包括：PSF_opt，PSF_det，PSF_mot，PSF_elec，建立二维各向异性PSF_total。

(2)将大幅影像分成有重叠的512×512的子块。

(3)根据信号、噪声功率谱自适应的调整规整化因子α，分别在小波域和频域内进行规整化。

(4)镜像小波冗余子带分解，利用镜像小波的正交性解相关。

(5)在小波域内进行形态学小波编码，抑制重建过程中高频随机噪声。

(6)在二维各向异性PSF基础上解模糊，在小波域内进行反卷积解模糊和抑制影像的寄生波纹，减少伪信息。

(7)亚像素冗余小波遥感影像重构。

(8)重复3-7步骤。

(9)将重叠的子块几何配准拼结成整幅高空间分辨率影像。

4.应用：

本专利能够提高卫星遥感影像空间分辨率，主要用于高分辨率遥感影像(包括高光谱，SAR)获取，军事目标识别、小目标的检测和土地资源的遥感影像定位与测量。

Claims

1.基于在轨卫星降晰参数辨识的单幅卫星遥感影像小目标超分辨率重建方法，其特征是以大气扰动、系统衍射、检测器等降晰参数辨识为基础的单幅遥感影像小目标超分辨率重建方法，具体包括：

(1)建立在轨卫星遥感影响降晰模型，辨析降晰参数：

基于遥感影像降晰物理模型，对影像点状地物、线状地物分析，确定遥感影像成像系统降晰模型和相关参数，包括：光学部分点扩算函数，检测器部分点扩算函数，遥感器相对地物运动的点扩算函数，遥感器电子线路点扩算函数，建立遥感器成像系统传递函数，

(2)估计遥感影像信噪比并计算规整化因子α：根据规整化因子动态均衡解模糊过程中高频噪声信号的放大和高频细节对重建结果的影响，同时抑制寄生波纹和伪信息，

(3)遥感影像恢复：是病态问题求解过程，在抑制高频随机噪声信号的同时增加影像高频细节信息，和影像有效带宽，

(4)解相关消噪算子：将影像分解到镜像对称小波子带内，在形态学小波非线性小波编码的基础上，抑制影像噪声，保留影像高频细节信息，

(5)建立单幅卫星遥感影像超分辨率影像重建快速算法：在小波子带内反卷积解模糊，抑制遥感影像混叠，减少影像重建的伪信息，

(6)重建算法将遥感图像分割成重叠的子块，分而治之，降低算法复杂度，

2.根据权利要求1所述的单幅卫星遥感影像小目标超分辨率重建方法，其特征是分别在频域、冗余小波域对遥感影像复原进行规整化。

3.根据权利要求1所述的单幅卫星遥感影像小目标超分辨率重建方法，其特征在于：单幅卫星遥感影像小目标超分辨率重建方法是建立在降晰模型参数辨识和影像质量评价的标准之上，并且根据图像测量辨识降晰模型参数，以调制传递函数和信噪比补偿作为遥感影像空间分辨率和重建算法优劣的评价标准。

4.根据权利要求1所述的单幅卫星遥感影像小目标超分辨率重建方法，其特征是对于单帧遥感影像，其空间分辨率为原影像的1.5～2倍，信噪比提高5dB。

5.根据权利要求1所述的单幅卫星遥感影像小目标超分辨率重建方法，其特征是将大影像分成有重叠的512×512的子块，算法复杂度为O(NlogN)。

6.基于在轨卫星降晰参数辨识的单幅卫星遥感影像小目标超分辨率重建方法，在卫星遥感影像军事目标识别，或小目标的检测和土地资源的遥感影像测量的应用。