Спектральное и пространственное сверхразрешение при комплексировании данных ДЗЗ различных источников
Белов А.М., Денисова А.Ю.

Самарский национальный исследовательский университет имени академика С.П. Королева, 443086, Россия, г. Самара, Московское шоссе, д. 34

Аннотация:
В статье предлагается алгоритм получения пространственного и спектрального сверхразрешения для совокупности изображений дистанционного зондирования Земли, полученных при помощи различной съёмочной аппаратуры. Результат работы алгоритма рассматривается как модель идеального источника данных, обладающего большей точностью представления наблюдаемой территории, чем каждое из входных изображений, имеющих более низкое пространственное и спектральное разрешение. Предложенный алгоритм основан на методе градиентного спуска и использует уточнённую модель наблюдения изображений, включающую спектральную дискретизацию и интерполяцию, возникающую при переходе от наблюдаемых входных изображений к модельному представлению. В статье описывается экспериментальное исследование предложенного алгоритма на модельных изображениях низкого разрешения, полученных из гиперспектрального снимка дистанционного зондирования Земли. Практическое применение предлагаемого алгоритма заключается в совместной обработке данных ДЗЗ различного уровня, позволяющей стереть границы, возникающие из-за конструктивных различий изображающих систем.

Ключевые слова:
повышение разрешения, данные дистанционного зондирования Земли, метод градиентного спуска, регуляризация.

Цитирование:
Белов, А.М.
Спектральное и пространственное сверхразрешение при комплексировании данных ДЗЗ различных источников / А.М. Белов, А.Ю. Денисова // Компьютерная оптика. – 2018. – Т. 42, № 5. – С. 855-863. – DOI: 10.18287/2412-6179-2018-42-5-855-863.

Литература:

  1. Fattal, R. Image upsampling via imposed edge statistics / R. Fattal // ACM Transactions on Graphics. – 2007. – Vol. 26, Issue 3. – 95. – DOI: 10.1145/1276377.1276496.
  2. Park, S.C. Super-resolution image reconstruction: a technical overview / S.C. Park, M.K. Park, M.G. Kang // IEEE Signal Processing Magazine. – 2003. – Vol. 20, Issue 3. – P. 21-36. – DOI: 10.1109/MSP.2003.1203207.
  3. Hardie, R. A fast image super-resolution algorithm using an adaptive Wiener filter / R. Hardie // IEEE Transactions on Image Processing. – 2007. – Vol. 16, Issue 12. – P. 2953-2964. – DOI: 10.1109/TIP.2007.909416.
  4. Farsiu, S. Fast and robust multiframe super resolution / S. Farsiu, M.D. Robinson, M. Elad, P. Milanfar // IEEE Transactions on Image Processing. – 2004. – Vol. 13, Issue 10. – P. 1327-1344. – DOI: 10.1109/TIP.2004.834669.
  5. Farsiu, S. Fast and robust super-resolution / S. Farsiu, M.D. Robinson, M. Elad, P. Milanfar // Proceedings of the 2003 International Conference on Image Processing. – 2003. – Vol. 3. – P. 291-294. – DOI: 10.1109/ICIP.2003.1246674.
  6. Krylov, A. Adaptive total variation deringing method for image interpolation / A. Krylov, A. Nasonov // Proceedings of the 15th International Conference on Image Processing (ICIP’08). – 2008. – P. 2608-2611. – DOI: 10.1109/ICIP.2008.4712328.
  7. Akgun, T. Super-resolution reconstruction of hyperspectral images / T. Akgun, Y. Altunbasak, R.M. Mersereau // IEEE Transactions on Image Processing. – 2005. – Vol. 14, Issue 11. – P. 1860-1875. – DOI: 10.1109/TIP.2005.854479.
  8. Li, L. Super-resolution reconstruction of high-resolution satellite ZY-3 TLC images / L. Li, W. Wang, H. Luo, S. Ying // Sensors. – 2017. – Vol. 17, Issue 5. – 1062. – DOI: 10.3390/s17051062.
  9. Song, H. Improving the spatial resolution of landsat TM/ETM+ through fusion with SPOT5 images via learning-based super-resolution / H. Song, B. Huang, Q. Liu, K. Zhang // IEEE Transactions on Geoscience and Remote Sensing. – 2015. – Vol. 53, Issue 3. – P. 1195-1204. – DOI: 10.1109/TGRS.2014.2335818.
  10. Gong, R. How to deal with color in super resolution reconstruction of images / R. Gong, Y. Wang, Y. Cai, X. Shao // Optics Express. – 2017. – Vol. 25, Issue 10. – P. 11144-11156. – DOI: 10.1364/OE.25.011144.
  11. Freeman, W.T. Example-based super-resolution / W.T. Freeman, T.R. Jones, E.C. Pasztor // IEEE Computer Graphics and Applications. – 2002. – Vol. 22, Issue 2. – P. 56-65. – DOI: 10.1109/38.988747.
  12. Karch, B.K. Adaptive Wiener filter super-resolution of color filter array images / B.K. Karch, R.C. Hardie // Optics Express. – 2013. – Vol. 21, Issue 16. – P. 18820-18841. – DOI: 10.1364/OE.21.018820.
  13. Jia, G. Spectral super-resolution reflectance retrieval from remotely sensed imaging spectrometer data / G. Jia, A. Hu­eni, D. Tao, R. Geng, M.E. Schaepman, H. Zhao // Optics Express. – 2016. – Vol. 24, Issue 17. – P. 19905-19919. – DOI: 10.1364/OE.24.019905.
  14. Sun, D. Secrets of optical flow estimation and their principles / D. Sun, S. Roth, M.J. Black // 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2010. – P. 2432-2439. – DOI: 10.1109/CVPR.2010.5539939.
  15. Adiv, G. Determining three-dimensional motion and structure from optical flow generated by several moving objects / G. Adiv // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1985. – Vol. 7, Issue 4. – P. 384-401. – DOI: 10.1109/TPAMI.1985.4767678.
  16. Методы компьютерной оптики / А.В. Волков, Д.Л. Головашкин, Л.Д. Досколович, Н.Л. Казанский, В.В. Котляр, В.С. Павельев, Р.В. Скиданов, В.А. Сойфер, В.С. Соловьев, Г.В. Успленьев, С.И. Харитонов, С.Н. Хонина; под ред. В.А. Сойфера. – изд. 2-е, испр. – М.: Физматлит, 2003. – 688 с. – ISBN: 5-9221-0434-9.
  17. Методы оптимизации / Н. Моисеев, Ю. Иванилов, Е. Столярова. – М.: «Наука», 1978. – 352 с.
  18. Farsiu, S. Multiframe demosaicing and super-resolution of color images / S. Farsiu, M. Elad, P. Milanfar // IEEE Transactions on Image Processing. – 2006. – Vol. 15, Issue 1. – P. 141-159. – DOI: 10.1109/TIP.2005.860336.
  19. Vane, G. The airborne visible/infrared imaging spectrometer (AVIRIS) / G. Vane, R.O. Green, T.G. Chrien, H.T. Enmark, E.G. Hansen, W.M. Porter // Remote Sensing of Environment. – 1993. – Vol. 44, Issues 2-3. – P. 127-143. – DOI: 10.1016/0034-4257(93)90012-M.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20