关键字 |
卫星图像,2D-DWT(离散小波变换),双三次插值,IDWT(逆DWT)。 |
介绍 |
卫星图像包括通过绕地球旋转的人造卫星拍摄的地球照片。将这些卫星图像校正为卫星图像内的雾霾、云和传感器引起的缺陷,并将二维卫星图像覆盖到地球三维表面的过程称为卫星图像处理。经过处理的卫星图像在农业、地质、林业、生物多样性保护、区域规划、教育、情报和战争领域具有不同的科学和基于需求的应用。 |
插值是数字图像中增加像素数的一种方法。为了提高图像的分辨率,采用了最近邻插值、双线性插值、双三次插值等方法。双三次插值比其他两种插值更复杂,也比双线性插值产生光滑的边缘。 |
小波作为一种数学工具,可以用于从音频信号和图像中提取信息。小波变换可分为连续小波变换、离散小波变换和基于多分辨率的小波变换三类。在小波域对卫星图像分辨率进行了改进,通过估计小波系数来提高图像的清晰度。二维小波滤波器组如图1所示。 |
DWT将输入图像分解为a) LL波段b) LH波段c) HL波段d) HH波段如图2所示。这些子波段的频率分量覆盖了原始图像的全频谱。 |
在本文中,我们提出了一种利用插值DWT高频子带图像和输入低分辨率图像的分辨率增强技术。应用逆DWT (IDWT)对这些图像进行组合,得到最终的分辨率增强图像。为了获得更清晰的图像,我们建议使用中间阶段来估计高频子带,利用减去输入图像及其插值的LL子带得到的差分图像。并与现有的双三次插值、小波零填充(WZP)和循环自旋(CS)技术进行了比较。 |
以前的工作 |
提高卫星图像分辨率的方法有多种。在本文中,我们使用了两种最先进的技术进行比较。 |
A.双三次插值: |
双三次插值从最接近指定输入坐标的16个像素的加权平均值中确定灰度值,并将该值分配给输出坐标。该图像比双线性插值生成的图像略清晰,并且不具有最近邻插值生成的脱节外观。一维双三次插值核为: |
![图像](//www.cheescube.com/articles-images/IJAREEIE-138-e001.gif) |
其中s为待插值点与考虑网格点之间的距离。 |
基于B.CS的图像分辨率增强 |
该方法采用小波域的CS方法。算法主要分为以下两步: |
1)利用小波域零填充(WZP)对未知高分辨率图像进行初始逼近。 |
2)采用循环旋转的方法进行以下工作: |
a)对第(1)部分中估计得到的高分辨率图像,通过空间移位、小波变换和丢弃高频子带,生成大量低分辨率图像。 |
b)对所有低分辨率图像进行WZP处理,得到N张高分辨率图像。 |
c)对这些中间高分辨率图像进行重新排列和平均,得到最终的高分辨率重建图像。图3为基于WZP和cs的图像超分辨率框图。 |
该方法 |
提出了一种利用小波变换和插值处理提高卫星图像分辨率的新方法。 |
基于a.dwt的分辨率增强: |
分辨率是卫星图像的重要特征。当使用这些图像作为输入时,增加这些图像的分辨率将影响系统的性能。图像经过插值增强后,其高频分量损失最大,这是由于插值造成的平滑造成的。因此,为了提高增强图像的质量,保留边缘是必不可少的。为了保留图像的高频分量,采用了DWT。本文提出的基于小波变换的卫星图像分辨率增强方法如图4所示。 |
DWT将图像分成不同的子波段图像,即LL, LH, HL, HH。高频子带包含图像的高频成分。插值可以应用于这四个子带图像。在小波域,对高分辨率图像进行低通滤波得到低分辨率图像。未量化的较低的解图像(LL子带)被用作所提出的分辨率增强过程的输入。换句话说,低频子带图像是原始图像的低分辨率。 |
因此,我们不是使用低频子带图像,它包含的信息比原始输入图像要少,而是通过插值处理来使用这个输入图像。被插值的相邻像素的数量由插值因子α定义。为此,对输入的低分辨率图像采用插补因子的一半α/2进行高频子带插补。为了保留更多的边缘信息,即获得更清晰的增强图像,提出了高频子带插补过程的中间阶段。 |
低分辨率输入卫星图像与插值因子2的LL图像高度相关。LL子带图像与低分辨率输入图像的区别在于它们的高频分量。因此,该差分图像可用于中间过程中对估计的高频分量进行校正。该估计是通过对高频子带进行因子2插值,然后将差值图像(即低分辨率输入图像上的高频分量)纳入估计的高频图像中,然后再进行因子α/2插值,以达到IDWT处理所需的大小。中间过程中添加的差分图像,包含高频分量,产生明显更清晰和更清晰的最终图像。这种锐度的提高是由于这样一个事实,即在HH、HL和LH中对孤立的高频分量进行插值,将比直接插值低分辨率图像保留更多的高频分量。 |
结果和讨论 |
本文方法已在低分辨率的人造卫星地球图像上进行了测试,即喜马拉雅,科巴-孟买,NE成本如图5所示。 |
常规方法和提出方法的可视化结果如图6和图7所示进行对比。通过峰值信噪比(PSNR,单位为dB)和均方根误差(RMSE)的计算,得到了一些定量结果。PSNR和RMSE可由式(2)-(4)得到。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-138-e002.gif) |
其中R是输入图像的最大波动。MSE表示给定输入图像Iin与原始图像Iorg之间的MSE, M和N为图像的大小。 |
常规方法和本文方法的定量结果见表1和表2。 |
结论 |
本文提出了一种提高低分辨率卫星图像分辨率的新方法,该方法是将小波变换获得的高频子带图像与输入低分辨率图像进行插值。该方法在卫星地球图像上进行了测试,其PSNR、RMSE和视觉结果表明,该方法优于传统的和最新的图像分辨率改进技术。与标准双三次插值相比,该方法的信噪比提高了8 dB。 |
表格一览 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
表2 |
|
|
数字一览 |
|
|
参考文献 |
- H. Demirel和G. Anbarjafari,“利用复小波变换增强卫星图像分辨率”,IEEEGeosci。遥感,莱特。,卷。7,不。1,第123-126页,2010年1月。
- G. Anbarjafari和H. Demirel,“基于小波域高频子带插值和空间域输入图像的图像超分辨率”,电子通信J。,第32卷,no。3, pp. 390-394,Jun。2010.
- A. Temizel和T. Vlachos,“使用循环自旋增强小波域图像分辨率”,电子。列托人。,第41卷,no。3,第119-121页,2月3, 2005。
- 小波滤波器组系列,“Matlab教程”。
- K. Kinebuchi, D. D. Muresan和T. W. Parks,“使用基于小波的隐马尔可夫树的图像插值”,在Proc. IEEE ICASSP, 2001,第3卷,第7-11页。
- M. S. Crouse, R. D. Nowak,和R. G. Baraniuk,“基于小波的基于隐马尔可夫模型的统计信号处理”,IEEE传输。信号的过程。,第46卷,no。4,页886-902,1998年4月。
|