留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

刘帅 朱亚杰 薛磊

刘帅, 朱亚杰, 薛磊. 一种结合稀疏表示和纹理分块的遥感影像超分辨率方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
引用本文: 刘帅, 朱亚杰, 薛磊. 一种结合稀疏表示和纹理分块的遥感影像超分辨率方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
LIU Shuai, ZHU Yajie, XUE Lei. Remote Sensing Image Super-Resolution Method Using Sparse Representation and Classified Texture Patches[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
Citation: LIU Shuai, ZHU Yajie, XUE Lei. Remote Sensing Image Super-Resolution Method Using Sparse Representation and Classified Texture Patches[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385

一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

doi: 10.13203/j.whugis20130385
基金项目: 国家自然科学基金资助项目(61303128);秦皇岛市科学技术研究与发展计划资助项目(2012023A234)
详细信息
    作者简介:

    刘帅,博士,讲师,主要从事遥感图像处理的理论与方法研究。

  • 中图分类号: P237.3;TP751

Remote Sensing Image Super-Resolution Method Using Sparse Representation and Classified Texture Patches

Funds: The National Natural Science Foundation of China,No.61303128;the Scientific Research and Development Programof Qinhuangdao,No.2012023A234.
More Information
    Author Bio:

    国家自然科学基金资助项目(61303128);秦皇岛市科学技术研究与发展计划资助项目(2012023A234)

  • 摘要: 提出了一种基于稀疏表示和纹理分块的单幅遥感影像超分辨率方法,主要利用先验知识及影像自身的纹理信息重构遥感图像。首先,提取用于字典学习的图像块,从高、低分辨率遥感图像块中训练出冗余字典,采用正交匹配追踪方法更新字典,用迭代的方法直到算法收敛;然后,将训练的字典应用于遥感影像超分辨率重构。重构时将图像块分成平滑块和非平滑块两种类型,平滑块采用双三次卷积方法重构,非平滑块采用低分辨率遥感图像块的稀疏表示系数及高分辨率图像块冗余字典重构。实验结果表明,此方法重构速度较快,并在视觉及客观评价指标上有较好的超分辨率效果。
  • [1] Huang X,Zhang L.An SVM Ensemble ApproachCombining Spectral,Structural,and Semantic Fea-tures for the Classification of High-Resolution Re-motely Sensed Imagery[J].IEEE Transactions onGeoscience and Remote Sensing,2013,51(1):257-272[2] Zhang Qian,Huang Xin,Zhang Liangpei.Multi-scale Image Segmentation and Classification withSupervised ECHO of High Spatial Resolution Re-motely Sensed Imagery[J].Geomatics and Infor-mation Science of Wuhan University,2011,36(1):117-121(张倩,黄昕,张良培.多尺度同质区域提取的高分辨率遥感影像分类研究[J].武汉大学学报·信息科学版,2011,36(1):117-121)[3] Dong W,Zhang L,Shi G,et al.Image Deblurringand Super-resolution by Adaptive Sparse DomainSelection and Adaptive Regularization[J].IEEETransactions on Image Processing,2011,20(7):1 838-1 857[4] Harris J.Diffraction and Resolving Power[J].Journal of the Optical Society of America,1964,54(7):931-936[5] Shen Huanfeng,Li Pingxiang,Zhang Liangpei.A-daptive Regularized MAP Super-Resolution Recon-struction Method[J].Geomatics and InformationScience of Wuhan University,2006,31(11):949-952(沈焕锋,李平湘,张良培.一种自适应正则MAP超分辨率重建方法[J].武汉大学学报·信息科学版,2006,31(11):949-952)[6] Irani M,Peleg S.Improving Resolution by ImageRegistration[J].CVGIP:Graphical models andImage Processing,1991,53(3):231-239[7] Stark H,Oskoui P.High-Resolution Image Recov-ery from Image-Plane Arrays,Using Convex Pro-jections[J].Journal of the Optical Society of A-merica A,1989,6(11):1 715-1 726[8] Lan Chengdong,Chen Liang,Lu Tao.Face Super-resolution Using Sparse Representation with Posi-tion Weights[J].Geomatics and Information Sci-ence of Wuhan University,2013,38(1):27-30(兰诚栋,陈亮,卢涛.利用位置权重稀疏表示的人脸超分辨率算法[J].武汉大学学报·信息科学版,2013,38(1):27-30)582武汉大学学报·信息科学版2015年5月[9] Song Xiangfa,Jiao Licheng.Classification of Hy-perspectral Remote Sensing Image Based on Sparse Representation and Spectral Information[J].Jour-nal of Electronics &Information Technology,2012,34(2):268-272(宋相法,焦李成.基于稀疏表示及光谱信息的高光谱遥感图像分类[J].电子与信息学报,2012,34(2):268-272)[10] Lian Qiusheng,Zhou Ting.Adaptive CompressedImaging Algorithm Combined the Sparse Represen-tation in the Dictionaries with Non-Local Similarity [J].Acta Electronica Sinica,2012,40(7):1 416-1 422(练秋生,周婷.结合字典稀疏表示和非局部相似性的自适应压缩成像算法[J].电子学报,2012,40(7):1 416-1 422)[11] Tropp J A.Just Relax:Convex ProgrammingMethods for Identifying Sparse Signals in Noise[J].IEEE Transactions on Information Theory,2006,52(3):1 030-1 051[12] Yang J,Wright J,Huang T,et al.Image Super-Resolution as Sparse Representation of Raw ImagePatches[C].IEEE Conference on Computer Visionand Pattern Recognition,Anchorage,AK,2008[13] Aharon M,Elad M,Bruckstein A.K-SVD:An Al-gorithm for Designing Overcomplete Dictionaries forSparse Representation[J].IEEE Transactions onSignal Processing,2006,54(11):4 311-4 322[14] Needell D,Vershynin R.Signal Recovery From In-complete and Inaccurate Measurements Via Regular-ized Orthogonal Matching Pursuit[J].IEEE Jour-nal of Selected Topics in Signal Processing,2010,4(2):310-316[15] Hong C,Dit-Yan Y,Yimin X.Super-Resolutionthrough Neighbor Embedding[C].IEEE ComputerSociety Conference on Computer Vision and PatternRecognition,Washington D C,USA,2004
  • [1] 柴华彬, 严超, 邹友峰, 陈正超.  利用PSP Net实现湖北省遥感影像土地覆盖分类 . 武汉大学学报 ● 信息科学版, 2021, 46(8): 1224-1232. doi: 10.13203/j.whugis20190296
    [2] 李清泉, 王欢, 邹勤.  一种基于稀疏表示模型的壁画修复算法 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1847-1853. doi: 10.13203/j.whugis20180217
    [3] 鹿璇, 汪鼎文, 石文轩.  利用在线字典学习实现图像超分辨率重建的算法 . 武汉大学学报 ● 信息科学版, 2018, 43(5): 719-725. doi: 10.13203/j.whugis20150753
    [4] 邱益鸣, 廖海斌, 陈庆虎.  基于鉴别字典学习的遮挡人脸姿态识别 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 275-281, 288. doi: 10.13203/j.whugis20150298
    [5] 徐健, 常志国, 张小丹.  采用交替K-奇异值分解字典训练的图像超分辨率算法 . 武汉大学学报 ● 信息科学版, 2017, 42(8): 1137-1143. doi: 10.13203/j.whugis20150095
    [6] 方天红, 陈庆虎, 鄢煜尘, 周前进.  基于Gabor特征和稀疏表示的激光打印文档鉴别 . 武汉大学学报 ● 信息科学版, 2016, 41(11): 1550-1555. doi: 10.13203/j.whugis20140896
    [7] 廖海斌, 陈友斌, 陈庆虎.  基于非局部相似字典学习的人脸超分辨率与识别 . 武汉大学学报 ● 信息科学版, 2016, 41(10): 1414-1420. doi: 10.13203/j.whugis20140498
    [8] 陈王丽, 孙涛, 陈喆3马国锐, 秦前清.  利用光流配准进行嫦娥一号CCD多视影像超分辨率重建 . 武汉大学学报 ● 信息科学版, 2014, 39(9): 1103-1108. doi: 10.13203/j.whugis20130289
    [9] 魏士俨, 申振荣, 张烁, 刘少创.  月球车图像超分辨率重建算法 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 436-439.
    [10] 兰诚栋, 陈亮, 卢涛.  利用位置权重稀疏表示的人脸超分辨率算法 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 27-30.
    [11] 郭琳, 陈庆虎.  结构保持的图像序列自适应超分辨率重建 . 武汉大学学报 ● 信息科学版, 2011, 36(5): 548-551.
    [12] 陶建斌, 舒宁, 龚龑, 沈照庆.  一种基于高斯混合模型的遥感影像有指导非监督分类方法 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 727-732.
    [13] 陶建斌, 舒宁, 沈照庆.  利用互信息改进遥感影像朴素贝叶斯网络分类器 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 228-232.
    [14] 邵振峰, 朱先强, 张斯斯.  利用Contourlet变换和谱直方图进行多源遥感影像纹理特征检索 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 723-726.
    [15] 胡安文, 张祖勋.  对高分辨率遥感影像基于仿射变换的严格几何模型的讨论 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 104-107.
    [16] 张剑清, 张勇, 程莹.  基于新模型的高分辨率遥感影像光束法区域网平差 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 659-663.
    [17] 谭兵, 郭建星, 邢帅, 张艳.  影像超分辨率重建中的动态数据更新算法 . 武汉大学学报 ● 信息科学版, 2005, 30(12): 1067-1070.
    [18] 张剑清, 张勇, 郑顺义, 张宏伟.  高分辨率遥感影像的精纠正 . 武汉大学学报 ● 信息科学版, 2004, 29(11): 994-998.
    [19] 张剑清, 张祖勋.  高分辨率遥感影像基于仿射变换的严格几何模型 . 武汉大学学报 ● 信息科学版, 2002, 27(6): 555-559.
    [20] 张景雄.  遥感影像的全模糊监督分类 . 武汉大学学报 ● 信息科学版, 1998, 23(3): 211-214.
  • 加载中
计量
  • 文章访问数:  2934
  • HTML全文浏览量:  31
  • PDF下载量:  1315
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-08-06
  • 修回日期:  2015-05-05
  • 刊出日期:  2015-05-05

一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

doi: 10.13203/j.whugis20130385
    基金项目:  国家自然科学基金资助项目(61303128);秦皇岛市科学技术研究与发展计划资助项目(2012023A234)
    作者简介:

    刘帅,博士,讲师,主要从事遥感图像处理的理论与方法研究。

  • 中图分类号: P237.3;TP751

摘要: 提出了一种基于稀疏表示和纹理分块的单幅遥感影像超分辨率方法,主要利用先验知识及影像自身的纹理信息重构遥感图像。首先,提取用于字典学习的图像块,从高、低分辨率遥感图像块中训练出冗余字典,采用正交匹配追踪方法更新字典,用迭代的方法直到算法收敛;然后,将训练的字典应用于遥感影像超分辨率重构。重构时将图像块分成平滑块和非平滑块两种类型,平滑块采用双三次卷积方法重构,非平滑块采用低分辨率遥感图像块的稀疏表示系数及高分辨率图像块冗余字典重构。实验结果表明,此方法重构速度较快,并在视觉及客观评价指标上有较好的超分辨率效果。

English Abstract

刘帅, 朱亚杰, 薛磊. 一种结合稀疏表示和纹理分块的遥感影像超分辨率方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
引用本文: 刘帅, 朱亚杰, 薛磊. 一种结合稀疏表示和纹理分块的遥感影像超分辨率方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
LIU Shuai, ZHU Yajie, XUE Lei. Remote Sensing Image Super-Resolution Method Using Sparse Representation and Classified Texture Patches[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
Citation: LIU Shuai, ZHU Yajie, XUE Lei. Remote Sensing Image Super-Resolution Method Using Sparse Representation and Classified Texture Patches[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
参考文献 (1)

目录

    /

    返回文章
    返回