基于MAP算法的热红外遥感图像超分辨率重建方法及系统

摘要

本发明公开了一种基于MAP算法的热红外遥感图像超分辨率重建方法及其系统，包括：获取一段序列热红外波段遥感图像，序列图像包括至少两帧图像；基于角点特征的高精度自动配准方法，利用角点的自动提取、匹配从而完成配准；利用MAP算法实现序列图像的超分辨率重建，针对Gibbs模型的势函数参数的选取，提出了一种边缘惩罚函数阈值的自适应选取方法；对经过重建后的目标分辨率图像进行面向应用的质量评价。采用本发明，可以实现图像间高精度地自动配准，可自适应地选择参数阈值，减少人为因素干扰，也可实时超分辨率重建，从而解决了现有技术中热红外遥感图像分辨率低、重建方法不能自动化，受人为因素影响大、速度不够快，重建质量无法客观、真实评价等问题。

主权项

基于MAP算法的热红外遥感图像超分辨率重建方法，其特征在于，包括如下步骤：(1)获取同一场景的低分辨率序列图像，所述序列图像包括至少两帧图像；所述低分辨率序列图像为欠采样混叠且相互之间存在亚像素级位移的低分辨率图像；(2)基于角点特征的高精度自动配准方法，利用角点的自动提取、匹配对所述序列图像进行配准，包括以下步骤：1)首先分别在参考图像和目标图像上自动提取少量的特征角点进行粗配准；所述粗配准实现方法是，利用改进的自适应Harris算子分别提取两幅图像的特征角点，然后分别进行归一化相关系数匹配和马氏距离仿射变换不变性筛选出正确的同名点对，进行粗配准；2)然后对目标图像和粗配准图像进行合理分块，通过匹配获得均匀的同名点对，再利用最小二乘法求取仿射变换的参数，进行重采样完成精配准；所述精配准实现方法是，确定两幅图像精配准的范围，根据配准范围的大小进行分块，对每个子块进行匹配，再根据归一化相关系数匹配初步剔除错误点对，记录剩余的同名点对；根据同名点对建立的三角网进行等角变换和距离变换进一步剔除错误点对，获得最终用于精配准的正确点对；再利用最小二乘法求取仿射变换的参数，进行重采样，获得精确配准图像；(3)构建MAP超分辨率图像重建的目标函数；根据所述图像重建的目标函数，对其进行参数优化选取以及最优化求解得到目标分辨率图像；所述重建目标函数为：$\hat{X}=\arg min\left[\underset{k=1}{\overset{l}{\Sigma }}\right||Y_k-H_k\hat{X}|{|}^2+\beta \underset{c\in C}{\Sigma }{\rho }_{\alpha }\left(d_c^{t}X\right)]$其中Y_k表示序列低分辨率图像，X表示高分辨率图像，表示高分辨率图像的估计值，β为正则化参数，H_k是几何运动矩阵T_k、模糊矩阵C_k及下采样矩阵D_k的综合矩阵，H_k＝T_kC_kD_k；ρ_α为二次惩罚函数，d^t_c表示图像局部平滑度，k表示参与重建的低分辨率序列影像的序号，l表示参与重建的低分辨率序列影像个数，c表示某像素周边领域系统的簇，C表示某像素周边领域系统簇c的集合；给定序列低分辨率图像Y_k、几何运动矩阵T_k、模糊矩阵C_k及重建因子τ；根据序列低分辨率图像计算获得图像超分辨率重建的初始值X₀；确定Gibbs随机场邻域形式以及势函数中的阈值参数α；对目标函数进行最优化求解，并确定正则化参数β；进行迭代求解得到目标分辨率图像；(4)对所述目标分辨率图像进行去噪处理和去模糊处理，并输出处理后的目标分辨率图像；(5)对经过重建后的目标分辨率图像进行面向应用的质量评价；所述面向应用的质量评价方法包括：阈值分割法和边缘提取法两种面向应用的主观评价方法，以及模糊聚类法、监督分类法和温度反演法三种面向应用的客观评价方法。