[发明专利]一种对抗网络结合航拍图像先验的卫星图像超分辨方法

说明书

本发明公开了一种对抗网络结合航拍图像先验的卫星图像超分辨方法，首先通过使用16级含噪声图像与其对应的16级不含噪声图像构成的图像对训练去噪模型，再利用清晰的航拍数据训练图像超分辨模型。由于不存在卫星图像与航拍图像对的情况，在对生成的超分辨图像进行图像后处理时，采用清晰的航拍图像构建GMM模型外部先验字典，并由此引导内部不清晰的卫星图像进行重建。重建后为进一步提升图像质量，使用高斯滤波的方式进行图像锐化。最终得到原卫星图像的高分辨图像，并且实现在原卫星图像基础上的图像视觉质量提升。由实验环节也可看出本方案的有效性。为解决现实中有条件限制情况下的卫星图像超分辨与图像质量提升提供有效思路。

技术领域

本发明属于图像超分辨技术领域，具体涉及一种基于多尺度感知损失与生成对抗网络结合航拍图像先验的卫星图像超分辨方法。

背景技术

图像分辨率是图像质量的重要指标，分辨率越高的图像可以更清晰的展现出更多细节，但在获得图像过程中受硬件以及外部环境的影响，获取的图像分辨率较低，从而产生如何从低分辨率的图像获取高分辨图像的问题。目前，随着卫星的数量的增加，卫星可覆盖地球范围超过90％，这使得通过卫星可监控的范围要远大于其他手段获得图像所覆盖的范围，但是卫星图像受多方面原因的影响，分辨率较低。例如相对于航拍图像，卫星图像相对模糊缺乏细节信息，但是航拍图像的覆盖面远不及卫星图像，所以如何获得分辨率更高的卫星影像有着重要的意义和价值。

在图像超分辨领域，深度神经网络与传统图像超分辨问题的结合，使得图像超分辨技术有了新的突破。随着计算机硬件设备的发展，大规模运算加速的成本显著降低，训练深度神经网络的代价降低，大大方便了科研工作者，也使得这一技术应用广泛于各个领域。从最初提出的深度学习与超分辨问题结合的网络SRCNN到现在的生成对抗网络(Generative Adversarial Nets,GAN)实现的超分辨算法SRGAN，通过使用低分辨与高分辨图像对网络参数进行训练，从而获得从低分辨率图像到高分辨图像转换模型，在只有低分辨图像的情况下生成高分辨图像。

图像超分辨问题描述如下：

图像超分辨问题，是指从一个低分辨率的图像得到对应的高分辨率的图像的过程，通过这样的技术突破原有系统成像硬件条件的限制，获得更清晰的图像。在图像超分辨技术中，一般可分为两种情况下的超分辨问题：基于单幅图像的超分辨方法和基于多幅图像的超分辨方法。单幅图像超分辨通过对低分辨图像的放大，通过重建算法提高图像分辨率的方法。基于多幅图像的超分辨算法，则是利用多帧相似的图像序列融合的方法来重建出高分辨率的图像。

在基于单幅图像的超分辨方法中，算法通过建立低分辨率图像与高分辨率图像间的关系。从而通过低分辨率图像来重建高分辨率的图像。传统算法通过各种方式来模拟低分辨率图像的成因，构建各种退化模型来拟合低分辨率图像生成的过程从而构建低分辨率图像与高分辨率图像之间的关系，来预测生成高分辨率图像。这样的模拟过程可用如下公式描述：

I_L＝HI_H+n

其中I_L为低分辨率图像，I_H为I_L对应的高分辨率图像，H为生成低分辨率图像的退化模型，n为生成低分辨率图像过程中的噪声干扰因子。H作为退化模型又可以表示为：

H＝D_Sub×B×G

其中，D_Sub代表下采样方法，B为模糊因子，G为几何形变因子。