一种基于小支持域正则化逆卷积的遥感影像恢复方法

摘要

本发明涉及一种基于小支持域正则化逆卷积的遥感影像恢复方法，选择二维高斯函数作为点扩散函数，将二维高斯函数的支持域为7×7-11×11；计算估计的观测影像功率谱时，巧妙的将观测影像以相应(二维高斯函数的)支持域尺寸为单元进行分割，使得估计的观测影像功率谱尺寸与傅里叶变换函数H(u，v)尺寸相等；并通过两者及正则化参数C获取正则化逆滤波算子，通过该正则化逆滤波算子对遥感观测影像进行逆卷积运算，可快速、鲁棒的恢复影像。本发明可以有效的抑制噪声，避免产生振铃效应。本发明能很好的恢复影像的细节信息，尤其对线状对象效果更佳。多项指标表明本发明与目前主流的其他算法相比有更好的锐化效果和计算效率。

主权项

一种基于小支持域正则化逆卷积的遥感影像恢复方法，包括以下步骤：第一步、点扩散函数的选择及支持域的确定——选择二维高斯函数h(i,j)为恢复模型的点扩散函数，其傅里叶变换函数为H(u,v),所述高斯函数h(i,j)的支持域为N₂×N₂，其傅里叶变换函数的尺寸为N₂×N₂，其中u为频率横坐标，v为频率纵坐标，N₂为自然数，取值范围为[7,11]；第二步、获取估计的观测影像功率谱S(u,v)——将观测影像划分为尺寸为N₂×N₂的若干个子观测影像，对不足区域的像元补零；对各子观测影像进行傅立叶变换，接着对各子观测影像的傅立叶变换结果求和，求和结果的功率谱为估计的观测影像功率谱S(u,v)，所述估计的观测影像功率谱S(u,v)的尺寸为N₂×N₂；第三步、确定正则化逆滤波算子$W(u,v)--W(u,v)=\frac{H{(u,v)}^{*}}{{\left|H(u,v)\right|}^2+\log (C/S(u,v))},$式中H(u,v)^*为傅里叶变换函数H(u,v)的共轭复数，C为正则化参数，其取值范围为[10,50]；第四步、影像恢复——利用第三步获得的正则化逆滤波算子W(u,v)对整幅观测影像进行逆卷积运算，得到恢复影像；第五步、点扩散函数支持域调节——若观测影像与恢复影像之间信噪比值介于20‑30分贝之间，则第四步得到的恢复影像为最终得到的估计原始影像；否则调整点扩散函数支持域即N₂的取值，并转至步骤第一步。