论文摘要
针对高光谱图像应用最大后验概率(Maximum A Posteriori, MAP)超分重建后细节信息丢失严重问题,本文提出一种基于先验Huber马尔科夫随机场(Huber Markov Random Field, HMRF)模型的MAP分块超分辨率重建算法,以期提高图像超分重建质量。首先,利用主成分变换获取图像域的主要成分,在此基础上采用样条插值得到初始迭代图像;而后将初始图像域分为若干子块,在每个子块图像域上建立具有自适应阈值的HMRF模型,并结合子块图像域的保真项构建目标函数,采用梯度最快下降法求解此函数得到超分子块图像,将其重组,进而与插值后的次要成分图像相结合,最后应用主成分逆变换方法得到最终的高分辨率图像。为了验证本文算法的有效性与优越性,分别对模拟和真实图像采用本文方法和具有代表性的Tikhonov、总变分及传统HMRF模型超分重建方法进行实验对比,其中本文方法重建结果在峰值信噪比和结构相似性定量评价方面明显优于其他方法重建结果,在定性评价方面边缘结构及细节信息也更加明显,表明本文算法较为突出。
论文目录
文章来源
类型: 期刊论文
作者: 王华斌,陶万成,李玉,赵泉华
关键词: 图像域分块,自适应阈值,高光谱图像,模型,主成分变换
来源: 地球信息科学学报 2019年03期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 辽宁工程技术大学遥感科学与应用研究所,国家测绘地理信息局卫星测绘应用中心
基金: 国家自然科学基金青年基金项目(41301479),国家自然科学基金面上项目(41271435)~~
分类号: TP751
页码: 315-326
总页数: 12
文件大小: 1615K
下载量: 99