[发明专利]一种卫星云图的超分辨率重建方法

说明书

本发明公开了一种卫星云图的超分辨率重建方法，首先选取大量的高分辨率和低分辨率云图图像块，组成训练样本，利用改进的K‑SVD的算法训练字典，得到高、低分辨率字典对{Φ_h,Φ_l}；然后根据字典空间中原子间的相关性，采用最近邻域嵌入算法，求出高、低分辨率字典对中每个原子对应的最近邻映射关系，并建立相应的映射矩阵；对于输入的低分辨率云图图像块，在低分辨率字典中找到与其相关性最高的原子，并根据该原子对应的映射矩阵重建高分辨率云图图像块，最后对重建的高分辨率云图图像块用像素重叠的方法合成重建高分辨率云图图像，本发明的方法不仅能大大缩减重建过程的计算复杂度，而且重建的云图在视觉效果、峰值信噪比、结构相似度上也具有一定的优势。

技术领域

本发明涉及一种图像的重建方法，尤其是涉及一种卫星云图的超分辨率重建方法。

背景技术

看云识天气，气象卫星云图包含了很多重要的气象信息，是预测天气变化及检测云演变过程的重要工具。卫星云图主要分为两类：可见光云图和红外云图。目前，虽然气象卫星可以提供很多成像通道，但是不同通道的图像的分辨率不同。比如红外通道数据的分辨率比较低，这对综合使用多通道的数据进行分析不利，也会增加分析设计的难度，如果对高分辨率通道数据进行抽样，使其与低分辨率通道数据一致，则对宝贵的高精度数据信息是一种浪费。

提高卫星云图分辨率最直接的方法就是改进硬件设备，但是硬件设备的改进往往受到制造工艺和成本的限制，短时间内很难有所突破。因此，我们只能通过特定的算法来提升云图的分辨率。图像的超分辨率重建就是将单帧或多帧低分辨率图像序列恢复为原始的高分辨率图像，目前主要有三种类型方法：基于插值的方法，基于重构的方法，基于学习的方法。基于插值的方法，计算复杂度低，但是重建过程中没有加入任何先验信息，放大倍数较大时图像边缘会出现严重的振铃现象；基于重构的方法，容易出现难以容忍的病态现像；而基于学习的方法，不仅能够提供相应的先验信息，而且克服了基于重构方法容易出现病态的问题，已经成为超分辨率重建的主流研究方向。

Chang等从流形学习理论出发，认为低分辨率图像空间与高分辨图像空间具有相似的流形结构，提出最近邻域嵌入NE(Neighbor Embedding)算法，通过建立低分辨率图像块和高分辨率图像块的映射关系，根据低分辨图像块线性组合来预测对应的高分辨率图像块，但是重建的图像趋于平滑。受压缩感知稀疏表示理论影响，Yang等把稀疏表示应用在图像超分辨率上，假设对应的高低分辨率块，在过完备字典下有相同的稀疏表示，通过联合训练得到一对高、低分辨率字典，对输入的低分辨率图像块求出相应的稀疏表示系数，结合高分辨率字典进行重建。Zeyde等在Yang的基础上应用K-SVD算法提高了训练字典速度，使得重建的图像在视觉效果上有所改善，而且峰值信噪比更高。但是Zeyde和Yang的算法，由于重建过程中稀疏编码的计算，导致重建过程的计算复杂度高，不利于实时处理。

发明内容

本发明所要解决的技术问题是提供一种卫星云图的超分辨率重建的方法，在保持重建云图的质量的同时，大大缩减了重建过程的时间，有利于云图的实时重建。

本发明解决上述技术问题所采用的技术方案为：一种卫星云图的超分辨率重建方法，包括以下步骤：