论文部分内容阅读
卫星视频作为遥感领域的新兴产物,在众多领域拥有广泛的应用前景。尽管目前卫星视频的分辨率能够满足一些实际应用的要求,但随着卫星对地观测应用领域的更加广泛和深入,人们对具有更高分辨率的卫星视频数据的需求逐渐提高。超分辨率重建(Super Resolution Reconstruction,SRR)技术是指利用一组含有非冗余互补信息的低分辨率图像序列通过算法融合生成一幅高分辨率图像的过程。该技术能够弥补通过改进硬件来提高空间分辨率的不足,同时更加节约造星成本。本文面向卫星视频影像数据针对超分辨率重建技术的关键环节进行研究,主要内容包括以下三个部分:1.全局运动估计适用性分析。针对卫星视频数据量大、静止区域中包含少部分运动物体的特点,本文从运算效率角度出发,选择全局运动估计方法求解视频帧间位移量。但考虑到当卫星视频影像中含有运动目标时,全局运动估计的精度会受到影响。因此,本文通过采用Vandewalle方法和金字塔LK(Lucas-Kanade)光流法对含有运动目标的卫星视频进行全局运动估计实验,分析了全局运动估计方法对卫星视频超分辨率重建的适用性问题,得到了普适性的结论,并在全局运动估计前提下研究卫星视频的超分辨率重建算法。2.卫星视频影像序列在重建过程中,存在由于低分辨率像素点向高分辨率网格映射不准确而造成的“黑色网格”和边缘锯齿现象。而且目前算法的重建倍数均为整数倍,但超分重建的最佳倍数是一个小数。针对以上这些问题,本文在SA(Shift and Add)超分辨率重建算法框架下提出了 F-MSA(Fractional-median SA)算法。F-MSA算法利用低、高分辨率图像间的映射关系更加鲁棒准确地搜索到合适的低分辨率像素进行非迭代融合贡献给高分辨率图像,并且该方法能够提供任意倍数的超分辨率重建结果。实验证明,F-MSA算法重建效果好而且计算复杂度低,节约了时间成本。3.在利用全局运动估计量进行含有运动目标的卫星视频影像超分辨率重建时,为保证运动目标重建的正确性,会出现静止区域细节信息增加不多的现象。针对这个问题本文提出了基于Kriging插值的超分重建算法。Kriging插值算法首先分析待求高分辨率像素点一定邻域内低分辨率像素值的相关性,再建立Kriging线性方程组计算出最优无偏估计值。实验表明,该方法能够在保证运动目标(车辆)重建的正确性的同时在静止区域提供更多的细节信息,地物边缘更加清晰。该方法同样能够满足任意实数倍的超分辨率重建需求。