文摘

我们引入一个有效的基于先进的超限分辨算法外地意味着(NLM)滤波器和迭代投影高光谱图像。外地意味着方法达到to-be-interpolated像素图像中的所有像素的加权平均,和社区会自动消除的微不足道的重量无关。然而,空间位置距离也是一个重要的问题来重建丢失的像素。因此,我们提出了一个先进NLM (ANLM)滤波器考虑附近的相似性和距离。在传统NLM方法,搜索区域是整个图像,提出ANLM利用有限的搜索来减少复杂性。迭代投影(IBP)是一个非常著名的方法来处理图像恢复。超限分辨问题,IBP能够恢复高分辨率图像迭代从给定的低分辨率图像的模糊是由于噪声通过最小化重建误差,同时,因为IBP的重建误差投影和各向同性,传统的IBP患有参差不齐的和振铃工件。引入ANLM方法来提高视觉质量是必要的。

1。介绍

最近,空间技术发展非常快,可能需要的视觉观察地球的人造卫星。高光谱图像获取地面信息的各种连续的和窄谱带。高光谱图像正吸引着越来越多的研究人员由于其广泛应用在航空和空间图像领域,农业、生态、地质、医学、气象学。高光谱图像的高分辨率光谱域,该决议在空间域是有限的。此外,当我们获得高光谱图像,许多问题降低高光谱图像的质量,如大气散射、辅助照明,和传感器噪声。因此,提高空间分辨率是一个关键问题在高光谱图像应用程序和高分辨率可以使各种应用程序更容易。然而,它是很昂贵的改变硬件的方式解决。因此,有必要开发技术来提高空间分辨率的软件方法和超限分辨正在成为一个受欢迎的技术来解决这个问题。

超限分辨图像是一种重建高分辨率的技术(人力资源)图像从一个或几个低分辨率(LR)图像。这些LR downsampled图像和模糊图像退化系统[1]。黄和蔡2)首先介绍了超限分辨问题在频域但忽视了模糊的图像处理。一些研究人员目前最大后验(MAP) estimator-based算法来解决插值和去模糊问题[3- - - - - -5]。凸集投影(poc)也是一个非常受欢迎的技术在图像恢复问题,因此实现超限分辨算法(6- - - - - -8]。

超限分辨方法已经发展了很长一段时间对自然图像。然而,随着空间技术的发展,高光谱图像变得更加流行和广泛使用。许多研究人员开始研究超限分辨方法提高空间分辨率高光谱图像。例如,Akgun et al。1]目前高光谱图像采集模型来模拟降解过程,并提供一个POCS-based超限分辨方法来提高高光谱图像的空间分辨率。Mianji et al。9)看到了一些超限分辨方法提供的高光谱图像和在这一领域的挑战。马等。10)提出了一个操作多瞬时超限分辨方法和multiangle遥感图像。

在本文中,我们提出了一个先进的外地意味着(ANLM)和迭代投影——基于(IBP)超限分辨高光谱图像的方法。IBP是一个著名的超限分辨方法提出的伊朗人,法勒(11]。IBP的主要概念是最小化误差在迭代过程中。据报道,IBP可以同时良好的性能和实现超限分辨和去模糊。然而,这个迭代过程通常有缺口的原因和振铃工件详细地区。ANLM过滤器是传统的外地的一个改良版本(NLM)滤波器建立了Buades等人在12],灵感来自·雅罗斯拉夫斯基社区过滤器(13]。NLM已经广泛应用于图像处理,如去噪和去模糊14,15]。NLM估计丢失的像素的像素的加权平均的邻里社区似乎失踪的像素。从·雅罗斯拉夫斯基社区过滤器,空间距离补丁也影响超限分辨性能的方法,因为长途较小的机会比短的距离也有类似的社区。此外,NLM需要计算所有邻居的相似之处是计算昂贵的整体形象。因此,我们建议ANLM缺失的像素的平滑所有像素的加权平均,有类似高斯社区并关闭补丁的距离。

剩下的纸是组织如下。拟议中的ANLM部分中描述的方法2。仿真结果和相应的讨论部分中解释3。最后,结论部分4。

2。该方法

2.1。先进的非局部方法(ANLM)过滤器

一个基本的数字信号超限分辨系统可以实现线性加权平均水平。给定一个离散LR的形象,我们想估计人力资源形象;传统的方法采用统一的加权和的平均值,可以表示为 在哪里表示一个固定大小的搜索区域,集中在失踪像素位于,的重量,给定的LR图像的像素值,然后呢是估计重建人力资源缺失的像素的图像。

NLM过滤器恢复丢失的像素通过邻近像素的平均值与类似的社区。使用高斯核评估相似,公式可以表示为 在哪里搜索区域和吗NLM过滤器定义为的重量吗 在哪里和广场附近集中在吗和,和是由像素的灰度强度向量在社区吗和,是一个过滤参数。很明显,两个像素之间的相似度和依赖于灰度强度向量的相似性和。

大多数NLM-based方法只考虑邻域相似性,忽略空间位置距离导致低劣的性能。因此,我们提出一个ANLM方法为了获得一种改进的性能,同时考虑到空间距离(15]。在ANLM,补丁的距离介绍了作为一种新的重量;然后我们重新设计权函数 在哪里和滤波参数。然后,我们应用ANLM过滤器如下: 传统NLM的搜索区域是整个图像。提出ANLM,引进片的距离当给定的像素增加是远离丢失的像素。当大于某个常数的价值,接近于零。特别是,重量微不足道的距离更大的补丁。因此,我们可以忽视这些远离丢失的像素的像素。我们搜索类似的社区在一个有限的区域而不是整个NLM的形象,大大减少计算复杂度。

2.2。迭代投影(IBP)

超限分辨算法的目标是恢复所需的人力资源图像从downsampled和LR模糊图像。伊朗人,法勒提出一个紧急后备超限分辨重建法(11]。IBP, LR给出的模拟和图像之间的差异是多次迭代后将获得所需的人力资源的形象。这个流程将继续,直到满足一些条件或达到最大迭代次数。IBP可以制定 在哪里估计人力资源形象的迭代,估计人力资源形象的迭代,估计误差计算的吗 在哪里是模拟LR形象的将采样和模糊,upsampling,回来了投影内核。

2.3。拟议中的ANLM-IBP方法

提高后备的性能,我们建议一个ANLM-IBP-based超限分辨算法对高光谱图像。首先,我们使用ANLM重建初始人力资源形象。迭代过程中紧急后备,ANLM指南IBP的误差传播。通过结合ANLM IBP,可以实现更好的客观和主观性能。提出ANLM-IBP绘制在图的流程图1。

总之,该ANLM-IBP方法中描述以下步骤:(1)应用ANLM获得初步估计人力资源形象;(2)使用downsampling退化模型和模糊估计人力资源图像获取模拟LR图像;(3)计算估计误差在给定的原始LR图像和模拟LR形象;(4)利用ANLM插入估计误差;(5)判断终端条件是否满足。如果是的,计算图像重建的人力资源的形象。如果没有,我们添加错误估计人力资源形象和reobtain更新人力资源图像为下一次迭代。

3所示。实验结果

在实验结果,我们采用一个众所周知的不同标准称为峰值信噪比(PSNR)在分贝(dB),计算 在哪里和分别原始和重建图像。我们测量了客观的PSNR性能,这是一个在文献中广泛采用的标准。

该方法测试了191 -波段机载多光谱扫描数据集(16)和220 -波段光谱图像获得AVIRIS数据集(如图2和3)。的主观绩效评估在视觉效果方面,我们在数据显示感知图像质量的一部分4和5。我们可以看到在图3图像,结果表明,该方法产生一个更好的视觉质量和尖锐的边缘和细节更好的对象边界。

表1显示目标在PSNR值度量性能比较。我们建议的方法产生更好的性能比其他退出方法。

4所示。结论

我们提出一种先进的非局部方法和迭代projection-based超限分辨算法对高光谱图像。我们引入一种改进的版本的外地意味着过滤器自动选择使用加权平均的边缘方向类似的社区,减少外地的复杂性意味着过滤片的距离。此外,我们把先进的非局部方法和迭代投影回减少造成的工件迭代投影。实验结果表明,我们可以获得更好的客观和主观性能比传统的方法。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项工作是支持的2012年仁川国立大学科研资助。