马尔可夫模型与Shearlet变换结合的SAR图像超分辨率复原方法

摘要：

为了不改变成像硬件条件,通过软件方法提高SAR图像分辨率,提出一种马尔可夫随机场（MRF）模型和Shearlet变换相结合的超分辨率复原方法。该方法分为两个过程,训练过程和学习过程。在训练过程中,首先对训练库中的高、低分辨率图像进行Shearlet变换,提取不同方向、不同分辨率的中、高频信息,然后对不同方向的中、高频信息进行分块。在学习过程中,使用Shearlet变换提取待复原图像的中频信息并对其分块,然后在训练库的辅助下,使用MRF建立图像特征模型,最后通过最大后验概率（MAP）估计出各个方向的高频信息,将估计出的高频信息和待复原的低分辨率图像叠加到一起进行Shearlet反变换,最终获得高分辨率图像。通过对真实SAR图像的处理结果表明,无论是主观的视觉效果还是客观的指标上,本文提出的方法都取得较好的结果,优于传统插值方法以及目前最新的基于稀疏表示的超分辨率方法。

关键词：Shearlet变换、马尔可夫随机场模型、基于学习的超分辨率、SAR图像

所属期刊栏目：44

分类号：TN911.7

资助基金：国家自然科学基金资助项目61071161

在线出版日期：2012-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：101-108