光學合成孔徑圖像超分辨率重建技術研究

劉玉雯，吳玲玲，聶 亮，陳 靖

(西安工業大學 光電工程學院，西安 710021)

0 引言

空間遙感的發展對于高分辨率圖像的要求不斷提高，對于單孔徑(主鏡)望遠鏡而言，較高的空間分辨率需要大孔徑支持[1]。入瞳直徑越大，光學系統的空間分辨率越高。光學合成孔徑通過組合子光學系統，等效單一大口徑，提高系統分辨率。光學合成孔徑的設計雖然降低了生產成本，但成像時會有中頻信息的缺失，光瞳優化、相位調制、圖像復原等都是補償中頻信息的關鍵技術。

2002年，Fienup對比不同噪聲模型及填充因子，采用極大似然法和維納濾波進行圖像復原研究[2]；2010年，Stokes研究提高Golay9圖像中頻對比度問題[3]；2010年，李波對比維納濾波、最小二乘濾波和極大似然盲去卷積在Golay3的復原作用[4]；2010年，魏小峰等人實驗得出維納濾波算法效果較好，而盲解卷積法能最大程度實現復原效果[5]；2017年，陳灝對不同光瞳排布進行仿真，提出改進維納濾波算法得到最適宜的復原結果[6]；2019年，姜艷超通過仿真實驗發現WDALRD算法能夠有效保留圖像紋理和邊緣信息[7]；2020年，唐睢使用U-Net卷積網絡復原三臂形光學合成孔徑的圖像，能實現圖像的快速盲復原[8]；畢玉萍提出SRGAN融合拉普拉斯金字塔思想，通過分階段重建圖像提升圖像的重建質量[9]；江玉寧提出改進SRGAN殘差塊并融合紋理損失的重建算法，降低訓練難度及圖像偽影問題[10]。

基于深度學習的超分辨率重建算法首次應用于光學合成孔徑圖像復原領域。本文將分析合成孔徑成像退化原因，選定合成孔徑系統參數后，對選定的遙感圖像進行仿真數據集構建，提出一種改進的SRGAN算法對光學合成孔徑成像進行復原研究。……