基于图像类推的遥感图像超分辨率技术

计算机应用 ›› 2010, Vol. 30 ›› Issue (1): 61-64.

基于图像类推的遥感图像超分辨率技术

喻继业,吴炜,滕奇志,石一兴

四川大学电子信息学院图像信息研究所

收稿日期:2009-07-18 修回日期:2009-08-30 发布日期:2010-01-01 出版日期:2010-01-01
通讯作者: 喻继业
基金资助:
江西省数字国土重点实验室开放研究基金

Image-analogies based super resolution for remote sensing images

Received:2009-07-18 Revised:2009-08-30 Online:2010-01-01 Published:2010-01-01
Contact: YU JIYE
Supported by:
Funded by jianxi province key lab for Digital Land

摘要/Abstract

摘要： 由于卫星上相机距离拍摄景物较远，所以遥感图像分辨率一般较低。为了获得较高分辨率的图像。提出将图像类推技术(IA)与立方卷积插值法相结合的方法;并在学习样本集合建立过程中引入一种新的思路，直接对高分辨率图像的高频细节信息进行学习。实验结果表明，该方法不仅提高了放大图像的清晰程度，而且较一般的图像类推算法，能产生更为合理的细节以增强图像,使放大后的遥感图像更为逼真。

关键词: 超分辨率, 遥感图像, 图像类推, 立方卷积插值

Abstract: Due to the long distance between satellite camera and the site, the resolution of remote sensing image is low. In order to get high resolution image, Image Analogies (IA) technology and cubic convolution interpolation algorithm were combined, and a new idea that studied the highfrequency details of the high resolution image directly in the learning set was proposed. The experimental results show that this method can not only amplify images much more sharply, but also generate more reasonable details to enhance the image than general image analogies method. Thus, the amplified remote sensing image becomes more vivid.

Key words: super resolution, remote sensing image, Image Analogies (IA), cubic convolution interpolation

喻继业吴炜滕奇志石一兴. 基于图像类推的遥感图像超分辨率技术[J]. 计算机应用, 2010, 30(1): 61-64.

[1]	宋中山, 梁家锐, 郑禄, 刘振宇, 帖军. 基于双向门控尺度特征融合的遥感场景分类[J]. 计算机应用, 2021, 41(9): 2726-2735.
[2]	孙潇, 徐金东. 基于级联生成对抗网络的遥感图像去雾方法[J]. 计算机应用, 2021, 41(8): 2440-2444.
[3]	牛康力, 谌雨章, 沈君凤, 曾张帆, 潘永才, 王绎冲. 基于深度学习的双通道夜视图像复原方法[J]. 计算机应用, 2021, 41(6): 1775-1784.
[4]	梁敏, 王昊榕, 张瑶, 李杰. 基于加速残差网络的图像超分辨率重建方法[J]. 计算机应用, 2021, 41(5): 1438-1444.
[5]	段友祥, 张含笑, 孙歧峰, 孙友凯. 基于拉普拉斯金字塔生成对抗网络的图像超分辨率重建算法[J]. 计算机应用, 2021, 41(4): 1020-1026.
[6]	卞鹏程, 郑忠龙, 李明禄, 何依然, 王天翔, 张大伟, 陈丽媛. 基于注意力融合网络的视频超分辨率重建[J]. 计算机应用, 2021, 41(4): 1012-1019.
[7]	吴蕾, 杨晓敏. 改进的基于通道注意力反馈网络的遥感图像融合算法[J]. 计算机应用, 2021, 41(4): 1172-1178.
[8]	王永金, 左羽, 吴恋, 崔忠伟, 赵晨洁. 基于注意力机制的图像超分辨率重建[J]. 计算机应用, 2021, 41(3): 845-850.
[9]	李萌, 秦品乐, 曾建潮, 李俊伯. 基于磁共振影像层间插值的超分辨率及多视角融合[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3362-3367.
[10]	张永宏, 刘昊, 田伟, 王剑庚. 基于DeepLab v3的西藏地区降雨云团分割方法[J]. 计算机应用, 2020, 40(9): 2781-2788.
[11]	林静, 黄玉清, 李磊民. 基于球形矩匹配与特征判别的图像超分辨率重建[J]. 计算机应用, 2020, 40(8): 2345-2350.
[12]	胡高鹏, 陈子鎏, 王晓明, 张开放. 基于深度渐进式反投影注意力网络的图像超分辨率重建[J]. 计算机应用, 2020, 40(7): 2077-2083.
[13]	胡雪影, 郭海儒, 朱蓉. 基于混合深度卷积网络的图像超分辨率重建[J]. 计算机应用, 2020, 40(7): 2069-2076.
[14]	徐金荣, 郭彩萍, 童恩栋. 面向服务遥感图像处理平台中时间感知的服务质量预测[J]. 计算机应用, 2020, 40(6): 1714-1721.
[15]	张伍, 陈红梅. 基于多核模糊粗糙集与蝗虫优化算法的高光谱波段选择[J]. 计算机应用, 2020, 40(5): 1425-1430.