多尺度殘差深度神經(jīng)網(wǎng)絡(luò)的衛(wèi)星圖像超分辨率算法

汪家明，盧 濤

武漢工程大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，湖北 武漢 430205

遙感衛(wèi)星是一種重要的對(duì)地觀測(cè)手段，能夠?qū)Φ孛孢M(jìn)行大面積的同步觀測(cè)以獲得地面目標(biāo)的信息。遙感衛(wèi)星圖像在災(zāi)害監(jiān)測(cè)預(yù)警、資源勘探、和環(huán)境檢測(cè)等領(lǐng)域有著廣泛的應(yīng)用前景。然而，由于硬件設(shè)備與成本的限制，遙感圖像的分辨率固定。此外，大氣湍流、成像過程噪聲、設(shè)備與景物之間的運(yùn)動(dòng)模糊、光學(xué)傳感器的欠采樣，降低了衛(wèi)星圖像的分辨率和質(zhì)量。為了提高遙感影像的空間分辨率，克服噪聲和成像模糊的影響，對(duì)遙感圖像的超分辨率重建顯得尤為迫切。

現(xiàn)有的圖像超分辨率重建算法（super-resolu?tion，SR）主要分為2類：基于重建的算法和基于學(xué)習(xí)的算法?；谥亟ǖ乃惴ㄍㄟ^多個(gè)低分辨率圖像來融合亞像素精度的多幀信息［1］，重建出更高分辨率的圖像。但基于重建的方法僅能利用低分辨率圖像之間的互補(bǔ)信息，不能增加新的高頻信息，因此這類重建方法的放大倍數(shù)有限。然而后續(xù)的識(shí)別任務(wù)更加關(guān)注高頻信息中包含的特征［2］。近年來，受到機(jī)器學(xué)習(xí)理論發(fā)展的影響，基于學(xué)習(xí)的方法受到高度的重視日益成為超分辨率算法研究的主流方向?；趯W(xué)習(xí)的算法通過訓(xùn)練樣本提供的先驗(yàn)信息，學(xué)習(xí)低分辨率圖像塊與高分辨率圖像塊之間的映射模型。從訓(xùn)練樣本的使用角度來看，基于學(xué)習(xí)的算法可以分為3類：基于表達(dá)的超分辨率算法，基于回歸的超分辨率算法和基于深度學(xué)習(xí)的超分辨率算法。……