一种内容复杂性自适应的视频卫星压缩图像超分辨率方法

• 摘要：

  本发明公开了一种内容复杂性自适应的视频卫星压缩图像超分辨率方法,将观测图像从纹理粗细、结构繁简的角度划分为内容复杂性不等的区域,然后收集与之特性一致的图像样本组成训练图像集合,形成属性各异的图像集,用每一种图像集训练一种深度学习网络模型,再将这种适配图像不同区域统计特性的模型用于对应区域的超分辨率重建.本发明方法针对了卫星影像不同地物类型的内容复杂性差异,因而有效提升了视频卫星图像超分辨率重建的精度.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201710166661.5

• 申请日期：

  2017.03.20

• 公开/公告号：

  CN106960416A

• 公开/公告日：

  2017-07-18

• 发明人：

  王中元 韩镇 杜博 邵振峰

• 申请人：

  武汉大学

• 主分类号：

  G06T3/40(2006.01)I,G,G06,G06T,G06T3

• 分类号：

  G06T3/40(2006.01)I,G,G06,G06T,G06T3,G06T3/40

• 主权项：

  一种内容复杂性自适应的视频卫星压缩图像超分辨率方法,其特征在于,包括以下步骤:步骤1:获取若干高分辨率静态光学遥感影像,选取的图像是相同或相近场景下的多幅图像组成的图像序列,构成高分辨率训练图像集;步骤2:通过对高分辨率图像进行下采样和编码失真处理,产生具有低空间分辨率和模糊失真双重高频细节信息损失的低分辨率训练图像;步骤3:将高低分辨率训练图像进行分块,并根据图像纹理结构的复杂性,将图像块分为平坦块和粗糙块两类,收集到百万级别的图像块作为深度学习网络的训练样本;步骤4:利用平坦块训练内容简单的CNN网络sCNN,利用粗糙块训练内容复杂的CNN网络cCNN;步骤5:对于输入的压缩码流,按H.264标准解码一帧图像,并记录下每个宏块的编码模式;步骤6:根据上述宏块编码模式,将宏块判定为内容简单和内容复杂两类,内容简单的块用sCNN网络重建,内容复杂的块用cCNN网络重建:步骤7:将重建的高分辨率图像块按原来位置拼接成一幅完整图像,并用[1 21]滤波器改善拼接边缘的块效应,然后输出超分辨率重建图像.