[发明专利]一种卫星云图的超分辨率重建方法

摘要

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{Φh,Φl}；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。

主权项

一种卫星云图的超分辨率重建方法，其特征在于包括以下步骤：①建立训练样本集合：选取30到50幅已有的高分辨率云图图像，对这些高分辨率云图图像进行下采样得到对应的低分辨率云图图像，利用像素重叠的方法将高分辨率云图图像分块，并将分块后的图像块定义为高分辨率训练样本块，对每一个高分辨率训练样本块分别减去各自图像块的像素点的均值，得到去除了低频信息的高分辨率训练样本块集合其中l表示高分辨率训练样本块的总数，i表示1到l之间的任意整数，表示高分辨率训练样本块集合中的第i个样本块，然后用四个一维滤波器{f1＝[‑1,0,1],f2＝f1T,f3＝[1,0,‑2,0,1],f4＝f3T}对低分辨率云图图像进行特征提取并利用像素重叠的方法分块，得到低分辨率训练样本块集合其中表示低分辨率训练样本块集合中的第i个样本块，T表示矩阵的转置；②用改进的K‑SVD算法对步骤①中的高分辨率训练样本块集合和低分辨率训练样本块集合进行训练，得到高分辨率字典和低分辨率字典，定义为过完备字典对，并将高分辨率字典和低分辨率字典中的列向量分别定义为高分辨率字典原子和低分辨率字典原子；③求解映射矩阵Pj：③‑1.在过完备字典对中，根据原子的相关性，利用欧氏距离公式求解高分辨率字典中每个原子和低分辨率字典中的每个原子的最近邻域映射关系{NH,NL}，其中NL是低分辨率字典中某个原子的最近邻域集，NH是高分辨字典中某个原子的最近邻域集，其中{NH,NL}中原子的最近邻域集中的原子个数为小于或等于相应字典中原子总数的任意值；③‑2.根据最近邻域映射关系{NH,NL}求解得到映射矩阵Pj，其中j表示不同的原子对应的映射矩阵编号；④对需要重建的低分辨率云图图像，用四个一维滤波器{f1＝[‑1,0,1],f2＝f1T,f3＝[1,0,‑2,0,1],f4＝f3T}进行特征提取并利用像素重叠的方法分块，得到待重建的低分辨率云图图像块集合{y1,y2,...,yk,...,yn}，其中n表示待重建的低分辨率云图图像块的总数，k表示1到n之间的任意整数，yk表示待重建的低分辨率云图图像块的的第k个图像块；⑤对待重建低分辨率云图图像块yk，利用相关性，在低分辨率字典中找到与它最相关的原子，并找到该原子对应的高分辨率字典原子和低分辨率字典原子的最近邻域映射关系{NH,NL}，然后根据映射关系找到对应的映射矩阵Pj；⑥对待重建的低分辨率云图块yk，利用公式进行重建得到相应的高分辨率云图块⑦对于重建得到的高分辨率云图块利用像素重叠的方法合成重建高分辨率云图图像