压缩感知框架下多视光学遥感影像超分辨率重建方法

高分辨率成像是对地观测/深空探测迫切要解决的问题，空间分辨率决定遥感影像解译精度和应用范围，而在轨遥感器成像时欠采样、衍射、相对运动、噪声等因素造成降晰和观测数据不完整，制约空间分辨率的提高。课题根据压缩感知(CS)和非适定问题的理论，旨在研究CS框架下序列光学遥感影像超分辨稀疏求解方法。利用模拟二次成像和Kronecker和Toeplitz-CS方法，构造顾及降晰模型的分块-CS观测矩阵；以稀疏表示模型刻画序列影像的统计稀疏性、结构稀疏性、及噪声的频域稀疏性，作为先验约束来降低解空间自由度；采用lp(0＜p≤1)范数求稀疏解，提取亚像素信息、提高空间分辨率，同时有效抑制寄生波纹等伪信息，提高求解稳定性和精度。本课题提出的方法，在理论和方法上与通常超分辨重建算法明显不同。对于科学有效的发挥遥感影像使用潜力，及在小目标检测、DEM加密、混合像元分解等应用中具有科学和应用研究价值。

高分辨率成像是对地观测/深空探测迫切要解决的问题，空间分辨率决定遥感影像解译精度和应用范围，而在轨遥感器成像时欠采样、衍射、相对运动、噪声等因素造成降晰和观测数据不完整，制约空间分辨率的提高。课题根据压缩感知(CS)和非适定问题的理论，研究CS 重构方法的序列光学遥感影像超分辨稀疏求解方法。利用二次成像的思想，构造顾及降晰模型的分块-CS 观测矩阵；利用DMD在实验室构建了CS成像和重构原型系统，验证了课题提出方法的正确性;研究自然图像/遥感影像/文字图像一阶导/二阶导/小波系数的稀疏表示模型，刻画序列影像的统计稀疏性、结构稀疏性，作为先验约束构造稀疏约束和平滑约束规整化项来降低解空间自由度；采用Lp范数求稀疏解，提取亚像素信息、提高空间分辨率，同时有效抑制寄生波纹等伪信息，提高求解稳定性和精度。本课题构建了CS成像原型系统分析和利用序列影像（GOCI/视频图像等）验证了提出的方法，在理论和方法上与通常超分辨重建算法明显不同;利用分辨率测试卡测试空间分辨率可以提高2.8倍左右，仿真图像测试和真实图像序列都验证了本方法的有效性；本课题高精度亚像元信息提取方法，在提高影像空间分辨率(特别是能够获取序列图像的成像模式)具有现实意义，对于遥感影像小目标检测,高精度DEM重建都具有科学和应用研究价值。