改进的稀疏表示遥感图像超分辨重建

• 作者: 刘越 巫红 朱福珍 白鸿一 黄鑫
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 图像超分辨 稀疏表示 字典学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 718-725
• 页数: 8页
• 分类号: TP394.1|TH691.9
• 字数: 3484字
• 语种: 中文
• DOI: 10.3788/OPE.20192703.0718

摘要

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度.针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题.首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本.然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵.最后,进行遥感图像超分辨稀疏重构.实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016.改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱福珍	黑龙江大学电子工程学院	16	31	4.0	5.0
2	刘越	黑龙江大学电子工程学院	4	4	1.0	2.0
3	黄鑫	黑龙江大学电子工程学院	3	4	1.0	2.0
4	白鸿一	黑龙江大学电子工程学院	2	4	1.0	2.0
5	巫红	黑龙江大学电子工程学院	8	78	4.0	8.0