遥感卫星超分辨率技术研究
超高分辨率遥感技术的实现与应用研究
超高分辨率遥感技术的实现与应用研究超高分辨率遥感技术是一种应用于卫星、飞机等平台的新型遥感技术，它具有分辨率高、时间效应强、空间覆盖广等特点，已经成为了现代遥感技术的重要组成部分。
本文将对超高分辨率遥感技术的实现与应用研究进行探讨。
一、超高分辨率遥感技术的实现方式1.卫星平台卫星平台是实现超高分辨率遥感技术的主要手段之一。
随着技术的不断升级，卫星平台可以实现的分辨率越来越高，卫星的视场角度也越来越宽，可以覆盖更广泛的区域。
例如，中国的高分一号卫星具有2米分辨率的成像能力，能够捕捉到更细节的影像信息，为资源管理、环境监测、城市规划等领域带来更加准确、全面的数据支持。
2.航空平台航空平台也是超高分辨率遥感技术的重要实现方式之一。
在一些区域比较复杂或受地形等因素限制的情况下，航空平台可以更加灵活地进行数据采集和成像处理。
利用小型便携设备和航空无人机等技术，人们可以在山区、森林、沙漠等区域进行高分辨率遥感数据的采集，获取更加全面和准确的地理信息。
二、超高分辨率遥感技术的应用领域1.城市规划城市规划是超高分辨率遥感技术的热门应用领域之一。
城市规划需要准确地获取城市地貌、建筑物分布、公路、铁路、港口等基础设施的分布情况，以及城市环境、交通状况等方面的信息，以便高效规划城市的建设。
超高分辨率遥感技术可以实现对城市区域的高精度成像，获取更为准确的建筑物高度、建筑物覆盖情况、建筑物密度等信息，为城市规划和建设提供依据和数据分析支持。
2.农业资源管理农业资源管理是另一个超高分辨率遥感技术应用的热点领域。
利用该技术可以更加准确地对农业区域进行成像，获得更准确的土地、水域和农作物信息，从而更好地实现农业资源管理的目标。
在今天的农业生产中，超高分辨率遥感技术还可以用于农作物产量的预测、病虫害的预测和防治、农作物生长情况的监测等方面，这些信息有助于指导农民科学种植、农业部门精准监管，推动农业高质量发展。
3.环境监测环境监测是另一个需要高精度遥感技术的领域。
超分辨率技术在遥感图像处理中的应用研究
超分辨率技术在遥感图像处理中的应用研究遥感技术是现代地学、环境科学、气象学等领域中最常用的技术之一，主要用于地表特征的快速获取、监测和分析。
然而，由于遥感图像采集时的限制，例如相机型号和分辨率等因素，所得到的遥感图像往往无法满足精确检测和分析的需求。
为了解决这一问题，超分辨率技术被广泛应用于遥感图像的处理中，本文将对遥感图像超分辨率技术的应用进行探讨。
一、超分辨率技术超分辨率技术是一种用于提高图像精度和细节的技术，它可以将低分辨率图像处理成高分辨率图像，使图像的清晰度和细节得到提高。
常见的超分辨率技术包括插值算法、重建算法、示例学习算法等，这些算法通常都依赖于一定的模型和训练数据。
二、遥感图像处理的应用遥感图像的处理是遥感技术中非常重要的一部分，它涉及到多个领域，如农业、城市规划、地质勘探等。
以城市规划为例，城市规划师需要对城市的建筑和道路进行精确的分析和设计，而遥感图像的处理可以提供高质量的数据支持，为城市规划提供更加精准的基础数据。
然而，由于遥感图像采集过程中的限制，如摄像机的分辨率等，对于一些微小的区域或细节，遥感图像通常会出现模糊和失真现象，这就导致了遥感图像无法获得高质量的信息。
因此，超分辨率技术在遥感图像处理中的应用变得越来越重要。
三、超分辨率技术在遥感图像处理中的应用超分辨率技术在遥感图像处理中的应用可以分为两个方面，一个是增加分辨率，另一个是改善图像质量。
1. 增加分辨率超分辨率技术可以将一张低分辨率的遥感图像处理成高分辨率的遥感图像，从而可以提供更多的细节信息，方便更加精确的分析和设计。
一些常用的超分辨率技术，如插值算法、重建算法等都可以用于遥感图像的增加分辨率，从而提高遥感图像的清晰度和细节。
2. 改善图像质量除了增加分辨率外，超分辨率技术还可以用于改善遥感图像的质量。
由于遥感图像采集的限制，如天气、相机的角度等因素，通常会导致遥感图像出现模糊和失真现象，超分辨率技术可以通过降噪、去除伪影等方法改善遥感图像的质量。
超高分辨率遥感成像技术的研究
超高分辨率遥感成像技术的研究随着科技的不断发展，高分辨率遥感成像技术已经在现代军事、民用地理信息等领域得到广泛的应用。
而在这些应用场景中，超高分辨率遥感成像技术的优势更加显著，因此越来越多的研究者开始关注这项技术的研究和应用。
本文将对超高分辨率遥感成像技术的研究进行探讨。
一、什么是超高分辨率遥感成像技术超高分辨率遥感成像技术是指通过卫星、飞机等遥感装备，获取地球表面高分辨率图像的一种技术手段。
它具有普遍的应用前景，能够为全球范围内的资源管理、自然灾害的预警以及环境监测等提供强有力的支持。
在该技术的应用领域中，主要包括土地利用、城市规划、森林林业、农业生产、环境保护等。
二、超高分辨率遥感成像技术的研究进展1. 传感器设计超高分辨率遥感成像技术的核心是传感器，在该领域中优质传感器的设计是最为重要的一环。
目前，国内外广泛使用的传感器主要包括光学传感器和微波雷达传感器两种类型。
其中，光学传感器主要有三个子系统，即对焦系统、相机及光谱系统，其中对焦系统为实现高分辨率基础。
微波雷达传感器则是通过发射和接收雷达波来实现成像的目标检测，具有对目标穿透、不受天气、昼夜无关等优点。
相比之下，光学传感器的成像精度更高，但是在面对云层、大气等情况时较为困难，而微波雷达传感器的应用则更广泛一些。
2. 图像处理技术超高分辨率遥感成像技术的图像处理技术在研究中也是至关重要的环节。
为了获取更高精细度的图像，除了传感器在设计上得到改良外，图像处理技术的精度也逐渐提高。
主要的图像处理技术包括常规的预处理、特征提取、分类等。
其中预处理环节主要包括图像校正、去除杂散信号、分割等。
特征提取是对原始图像进行一定的加工处理，抽取有效信息进而实现高效的分类，一般包括特征选择和特征提取两个环节。
分类则是针对最终的目标物进行监督分成，最终实现可视化展示。
由于该类图像的解析度往往可达到2~5 cm，图像处理及算法就显得极为复杂。
三、超高分辨率遥感成像技术的应用1. 森林林业超高分辨率遥感成像技术对物种识别、森林面积估算以及森林碳汇估算等方案进行了有效的贡献。
超高分辨率遥感影像分析技术研究及应用
超高分辨率遥感影像分析技术研究及应用第一章简介超高分辨率遥感影像分析技术是指利用高分辨率遥感影像进行图像解译和数据分析的一种技术。
本文将从遥感影像获取、图像解译、数据分析等方面对超高分辨率遥感影像分析技术进行研究及应用。
第二章超高分辨率遥感影像获取技术2.1 高分辨率传感器超高分辨率遥感影像的获取离不开高分辨率传感器。
当前主要的高分辨率传感器有光学传感器和雷达传感器两类。
光学传感器采用高灵敏度CCD或CMOS探测器，具有高空间分辨率，可以获取颜色和形态信息丰富的遥感影像。
雷达传感器则利用微波信号进行探测，不受光照条件限制，适用于云雾等复杂环境。
2.2 高分辨率影像获取技术高分辨率遥感影像获取技术包括航空摄影与卫星遥感两种方式。
航空摄影利用航空器搭载的相机进行影像获取，具有灵活性和高精度的特点。
而卫星遥感则是通过卫星搭载的传感器获取影像，具有广覆盖范围和周期性观测的优势。
第三章超高分辨率遥感影像图像解译技术3.1 影像预处理超高分辨率遥感影像的预处理是图像解译的基础，主要包括数据校正、几何校正、辐射校正等步骤。
数据校正主要是对原始影像进行去噪和滤波处理，提高影像质量。
几何校正则是将影像与地理坐标系统对齐，确保后续分析的准确性。
辐射校正是对影像进行辐射度的校正，以消除地物表面反射率的影响。
3.2 影像分类与分割影像分类与分割是超高分辨率遥感影像解译的核心内容。
常用的图像分类方法有基于光谱信息的分类、基于纹理特征的分类和基于形态特征的分类等。
图像分割则是将图像划分为不同的区域，以提取出感兴趣的地物目标。
3.3 目标检测与识别超高分辨率遥感影像的目标检测与识别是指利用影像信息提取出目标物体的位置和属性。
常见的目标检测与识别方法包括基于特征描述子的目标检测、基于深度学习的目标检测和基于目标轮廓的目标检测等。
第四章超高分辨率遥感影像数据分析技术4.1 特征提取与分析超高分辨率遥感影像数据分析的重要内容是特征提取与分析。
基于超分辨率图像处理技术的卫星影像质量增强研究
基于超分辨率图像处理技术的卫星影像质量增强研究随着卫星遥感技术的不断进步和发展，卫星影像的质量和分辨率逐渐得到提高。
然而，在实际应用中，我们往往需要更高分辨率的卫星影像来满足我们的需求。
由于成像设备的限制，卫星影像的分辨率存在一定的局限性，为了解决这一问题，超分辨率图像处理技术应运而生。
超分辨率图像处理技术使用多幅低分辨率图像生成一幅高分辨率图像，从而达到提高卫星影像分辨率的目的。
这种技术已经成为卫星影像处理领域的一个热点和难点，对于卫星影像的精度和应用都有着重要的影响。
超分辨率图像处理技术的主要方法可以分为两类：插值法和重建法。
插值法是通过对低分辨率图像的像素值进行插值计算得到高分辨率图像，常见的插值算法有双三次插值、双线性插值和最近邻插值等。
重建法主要是通过图像自身的数据特征，通过复杂的计算和分析方法，重建出一幅高分辨率图像。
在实际应用中，超分辨率图像处理技术还存在一些挑战。
首先，处理多幅低分辨率图像需要大量的存储空间和处理时间，不利于实时处理；其次，图像中存在的噪声和失真等问题会影响处理结果的质量；最后，超分辨率图像处理算法的选择和参数的设定也需要根据不同应用场景进行优化，才能得到更好的处理效果。
为了解决这些问题，研究人员不断地探索和改进超分辨率图像处理技术。
近年来，人工智能技术的发展对超分辨率图像处理技术的提升也起到了促进作用。
通过深度学习等人工智能算法，可以更准确地识别和处理图像中的细节信息，从而得到更高质量的处理结果。
总之，超分辨率图像处理技术是一项非常重要的卫星影像处理技术，具有广泛的应用前景。
虽然存在一些挑战和困难，但是研究人员通过不懈地努力和创新，相信未来一定会取得更好的成果。
高分辨率卫星遥感技术的研究现状
高分辨率卫星遥感技术的研究现状在过去的几十年里，卫星遥感技术已经成为了一种非常重要的遥感数据获取手段，这项技术已经被广泛应用于许多领域。
近年来，随着遥感技术的发展，高分辨率卫星已经成为了遥感技术发展的一个重要方向。
高分辨率卫星的优势高分辨率卫星是指分辨率在1米以下的卫星。
相比于传统的卫星，高分辨率卫星具有以下几个优势：1.空间分辨率更高。
高分辨率卫星的像素尺寸远小于传统卫星，能够提供更为详细的图像信息。
2.时间分辨率更高。
高分辨率卫星的重访时间更短，可以更加及时地获取目标地区的图像信息。
3.观测能力更强。
高分辨率卫星可以在宽光谱范围内获取图像信息，能够提供更多种类的图像数据。
高分辨率卫星在遥感技术中的应用高分辨率卫星已经被广泛应用于军事、民用和科学研究等领域。
在军事领域，高分辨率卫星可以用于侦察、监视等任务，其高分辨率的成像能力能够提供更为详细的情报信息。
在民用领域，高分辨率卫星可以用于城市规划、土地管理、灾害应对等领域。
例如，高分辨率卫星可以在地震、洪涝等灾害发生后，获取目标地区的图像信息，为救援和重建工作提供有力的支撑。
在科学研究领域，高分辨率卫星可以用于环境监测、地质勘探等领域。
例如，在矿产勘探中，高分辨率卫星可以通过获取地表信息、岩石成分等数据，帮助地质工作者在更短时间内发现矿产资源。
目前，高分辨率卫星遥感技术的研究已经取得了很大进展。
以下是其中一些最新研究成果：1.合成孔径雷达成像技术。
合成孔径雷达（SAR）成像技术是一种基于雷达波测量地表反射的技术，能够在任何天气和时间条件下工作。
最近，一些新的算法和技术被应用于SAR成像，提高了地表反射的分辨率和对噪声的抑制能力。
2.高光谱成像技术。
高光谱成像技术是指在较短时间内，获得由数百个连续光谱波长组成的图像数据。
这种成像技术能够提供物体的下表面细节信息，例如温度、压力等。
3.三维成像技术。
三维成像技术是指获取三维物体的图像信息，这可以通过使用不同的遥感传感器和数据处理技术实现。
遥感图像超分辨率重建算法研究与优化
遥感图像超分辨率重建算法研究与优化近年来，随着遥感技术的不断发展以及应用领域的不断扩展，使用遥感图像进行研究和应用已经成为不可或缺的一部分。
然而，在遥感图像的应用中，如何提高图像的分辨率以及图像的质量一直是研究者们所关注和探索的问题。
其中，超分辨率重建技术是目前应用最广泛、最为重要的一种方法之一。
本文主要介绍遥感图像超分辨率重建算法的研究与优化。
一、遥感图像超分辨率重建算法研究现状遥感图像超分辨率重建算法是指通过一定的算法，将低分辨率的遥感图像重建为相应的高分辨率图像。
目前，已经有很多的算法被提出，包括基于插值的方法、基于恢复误差的方法、基于生成模型的方法等。
其中，基于插值的方法是最基础的一种方法，它通过对低分辨率图像进行插值计算，得到一个相应的高分辨率的图像。
其主要缺点是会导致图像的边缘失真，从而影响图像质量。
而基于恢复误差的方法则是根据低分辨率图像和高分辨率图像之间的误差进行重建，虽然其优化了图像的边缘问题，但是其对高分辨率图像的约束性不够。
最近几年，基于生成模型的方法逐渐成为超分辨率重建领域的研究热点。
这种方法通过训练一个生成模型，来实现对低分辨率图像的重建。
其优点是能够对图像的结构和纹理等信息进行更好的保留，同时具有更好的鲁棒性和通用性。
其中，基于对抗生成网络（GAN）的方法更是成为当前最为流行和热门的一种技术。
二、遥感图像超分辨率重建算法优化研究虽然当前的遥感图像超分辨率重建算法已经证明其效果和实用性，但是进一步的优化和研究依然是不可缺少的。
下面主要介绍一些目前研究的方向和重点。
1. 多模型集成在当前的算法中，单一模型的超分辨率重建效果并不总是理想的，而这时候采用多个模型共同完成超分辨率重建就会比单一模型更具优势。
当前的多模型集成主要有两种方法：一是bagging方法，即不同的模型各自独立的进行训练和预测，最后将各自的预测结果进行综合；二是boosting方法，即将不同的模型按一定的次序逐步组合起来，形成一个新的更加强大的模型。
基于超分辨率技术的遥感图像复原研究
基于超分辨率技术的遥感图像复原研究遥感技术的发展已经为我们的生活带来了很大的便利，特别是在自然资源等领域，遥感图像的获取和处理已经成为必不可少的工具。
但是，在传输、储存等过程中，遥感图像的质量常常会受到限制。
为了更好地利用遥感图像的信息，提高其质量，超分辨率技术应运而生。
本文将从超分辨率技术、遥感图像的基础知识入手，介绍基于超分辨率技术的遥感图像复原研究的最新进展。
一、超分辨率技术基础超分辨率技术旨在将低分辨率图像转换为高分辨率图像，以提高图像的清晰度和细节，进而提高图像的信息量和利用价值。
从原理上讲，超分辨率技术主要有两种方法：插值法和积极法。
插值法采用空间域或频域插值技术，通过补充图像中的缺失像素，来提高图像的分辨率。
但是，插值法会导致图像失真和模糊，因为它是基于假定的图像模型进行估计的。
相比之下，积极法更为准确，因为它是基于图像中的可用信息对分辨率进行恢复的。
在积极法中，主要有三种方法：基于插值的方法、基于重建的方法和基于复原的方法。
基于插值的方法是通过图像间的关系来计算缺失像素的值，这种方法需要一个基本的低分辨率图像作为参考。
而基于重建的方法是建立一个高分辨率图像模型并进行校正，以提高图像的分辨率。
基于复原的方法则是通过计算信号的熵来恢复信号本身。
二、遥感图像基础知识遥感图像作为一种特殊的图像类型，其特征主要体现在以下方面：1.细节丰富由于遥感图像所涉及的物体、地形等在现实中具有很强的细节特征，因此通过遥感图像可以清晰地展现其多样性和丰富性。
2.多波段遥感图像一般由多个波段组成，每个波段代表的是不同的光谱。
这种特征可以提供非常丰富的信息，同时增加图像处理的复杂度。
3.空间信息遥感图像的空间信息非常重要，因为它能够告诉我们物体的位置、大小和形状等特征，以及相对位置和距离等信息。
4.大规模遥感图像一般都是以良好的空间分辨率获取的，因此其数据量往往非常庞大。
因此，处理遥感图像需要采用高效的算法和技术。
超高分辨率卫星影像的处理与分析技术研究
超高分辨率卫星影像的处理与分析技术研究引言随着科技的飞速发展，遥感技术已经成为人类认知地球和开展空间探索的重要手段。
超高分辨率卫星影像作为遥感技术的重要成果，已经广泛应用于大规模地表覆盖监测、城市规划、生态环境监测、军事侦察等领域，成为科研和实践的得力助手。
本文将着重介绍超高分辨率卫星影像的处理与分析技术研究，为相关领域的科研和应用提供参考和指导。
一、超高分辨率卫星影像处理技术超高分辨率卫星影像处理技术是指对卫星获取的原始数据进行预处理、校正、去噪、增强、融合等处理，以便得到更加精确、准确和丰富的地物信息。
常用的处理技术包括：1. 数据预处理数据预处理包括统计处理、像元匹配、直方图匹配等。
统计处理主要是针对影像噪声进行滤波，例如中值滤波、均值滤波等。
像元匹配和直方图匹配则一般用于多源遥感影像的匹配，从而实现影像信息的叠加和融合。
2. 几何纠正几何纠正主要是对卫星影像的投影坐标系和地理坐标系进行转换，以消除影像的畸变、误差和扭曲现象。
典型的几何校正方法包括多项式拟合、退化模型校正等。
3. 色彩增强色彩增强以及同时提取空间信息、暗场纠偏、线性或非线性调整等处理方式，可以在视觉上优化影像质量，并突出地物特征。
4. 膨胀和腐蚀膨胀和腐蚀主要是针对遥感影像中的二值信息，用于扩展、收缩二值区域，以便提取地物的形状、大小和位置等信息。
二、超高分辨率卫星影像分析技术超高分辨率卫星影像分析技术是指对处理后的超高分辨率卫星影像进行解译、分类、识别、提取、分析等处理，以便实现对地物类型、变化、数量、空间分布等信息的获取。
常用的分析技术包括：1. 地物解译遥感影像的地物解译是指从遥感影像中提取地物的类型和分布信息，包括全自动化解译、人机交互式解译、机器学习等多种方法。
2. 地物分类遥感影像的地物分类则是在解译的基础上，根据地物的特征、形态、光谱等特性进行分类，以便对不同地物类型区分和提取。
常用的分类方法包括最大似然法、最小距离法、支持向量机、决策树等。
高分辨率遥感影像处理技术研究
高分辨率遥感影像处理技术研究遥感影像处理技术是一门充满挑战和创新的领域。
随着卫星和无人机技术的快速发展，高分辨率遥感影像的获取和处理已经成为科学研究和应用的重要组成部分。
本文将探讨一些常用的高分辨率遥感影像处理技术以及它们在不同领域的应用。
首先，遥感影像的预处理是影像处理的基础。
预处理包括影像辐射定标、几何校正和大气校正。
影像辐射定标是将原始遥感影像转化为可比较的辐射亮度值，使不同时间和不同传感器获取的影像具有可比性。
几何校正是将影像进行坐标系统转换，消除地形变形和像片变形对影像质量的影响。
大气校正是在几何校正的基础上，剔除云层、大气气溶胶和气溶胶光学厚度对影像的影响。
其次，遥感影像的特征提取是在预处理后进行的。
特征提取包括目标提取、分类和变化检测。
目标提取是从遥感影像中提取出感兴趣的目标，例如建筑物、道路和水体等。
分类是将目标根据其不同特征进行分组，例如树木、车辆和人等。
变化检测则是比较不同时期的影像，识别出地物发生的变化。
这些特征提取技术在城市规划、环境监测和资源管理等领域发挥着重要作用。
此外，遥感影像的图像增强技术也是遥感影像处理的重要组成部分。
图像增强可以提高影像的视觉效果和信息获取能力。
常用的图像增强技术包括直方图均衡化、滤波和波段增强等。
直方图均衡化通过重新分布像素的亮度值来增强整幅影像的对比度。
滤波则通过去除噪声和平滑图像来提高图像质量。
波段增强则是通过对不同波段的影像进行合成，突出显示特定地物的信息。
这些图像增强技术在农业、地质和灾害防治等领域有广泛应用。
最后，遥感影像数据的融合和分析是高分辨率遥感影像处理的重要环节。
数据融合可以结合多源遥感影像数据，提高地物的识别和分类精度。
数据分析可以通过遥感影像数据提取出地物的空间分布、数量和变化等信息。
这些信息可以用于土地利用规划、自然资源调查和城市监测等。
综上所述，高分辨率遥感影像处理技术在现代科学和应用领域中具有重要意义。
通过影像预处理、特征提取、图像增强和数据融合分析等技术，遥感影像可以被更好地利用于城市规划、环境保护和自然资源管理等方面。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感卫星超分辨率技术研究周春平吴胜利石宇（北京市遥感信息研究所，北京安定门外外馆街４１号１０００１１）
摘要：卫星图象的空间分辨率是衡量卫星遥感能力的一项主要指标，也是衡量一个国家航天遥感水平的重要标志，追求更高的分辨率己成为各国卫星的发展目标。超分辨率技术在可见光遥感和红外遥感领域的实际应用，将会提高卫星的空间分辨率，也可以在保持卫星分辨率的条件下，缩小光学仪器的焦距，使卫星相机小型化，减小其体积和重量。本文从遥感应用的角度出发，讨论了超分辨率技术研究对我国遥感卫星提高分辨率的现实意义，简单说明了超分辨率的概念，论述了卫星遥感超分辨率研究的技术理论和和应用的国内外现状，重点突出了卫星采样模式的研究，提出了国内该项技术研究目前存在的不足和发展趋势。关键词：ＣＣＤ，卫星成像，空间分辨率，超分辨率，图像重建
１．超分辨率技术研究的现实意义卫星图象的空间分辨率是衡量卫星遥感能力的一项主要指标，也是衡量一个国家航天遥感水平的重要标志。提高卫星空间分辨率已成为卫星工程技术研究的前沿，超分辨率（ｓｕｐｅｒ—ｒｅｓｏｌｕｔｉｏｎ）技术就是其中提高卫星图像空间分辨率技术之一。
１．１．什么是超分辨率技术Ｋｅｎｎｅｔｈ．Ｒ．Ｃａｓｔｌｅｍａｎ认为，试图复原衍射极限之外信息的复原技术叫作超分辨率技术，一般使用带限函数外推方法。超分辨率技术的核心是图像的分辨率由低变高，因此，我们认为，以地物的物理特性为基础，从低分辨率图像得到高分辨率图像的图像重建技术叫作超分辨率技术。超分辨率技术的实现途径很多，不论是ＥＲＯＳ—Ｂ１采用“过采样”（ＯｖＥＲ．ＳＡＭＰＬＩＮＧ）技术，还是ＳＰＯＴ．５采用的“甚高分辨率”ＴＨＲ（Ｔｒ６ｓＨａｕｔｅ
Ｒ６ｓｏｌｕｔｉｏｎ
ｏｒｖｅｒｙｈｉｇｈｒｅｓｏｌｕｔｉｏｎ）技术，或是“亚
像元”（ＳＵＢ．ＰＩＸＥＬ）技术都是实现超分辨率技术的具体途径。
１．２．为什么要应用超分辨率技术由于常规提高卫星图像空间分辨率技术的局限性，超分辨率技术的研究与应用才得到了发展。我们知道，星载光学成像系统有两种类型，一种是线阵推扫式（ＰＵＳＨ—ＢＲｏＭ）扫描成像系统，另一种是面阵成像系统，在象平面上一般采用线阵或面阵的ＣＣＤ电子偶合器件。对距离为Ｒ的空间平面上物体所形成的一帧图像，在忽略光学系统非线性畸变和噪声干扰影响的条件下，其空间分辨率△Ｌ可以表示为：
△Ｌ＝ｗ＿Ｒ｛
式中，ｗ为ＣＣＤ器件阵元宽度，ｆ为光学系统的焦距。显然，空间分辨率△Ｌ与ＣＣＤ器件阵元宽度及距离成正比，与相机焦距成反比。也就是说，提高卫星空间分辨率的途径有三种，一种是降低卫星飞行轨道高度，如美国地球观测公司的“快鸟－２”（ＱｕｉｃｋＢｉｒｄ－２）卫星，它的工作轨道高度由原计划的６００公里降低到４５０公里后，分辨率由原来的１米提高到Ｏ．６１米，多谱段分辨率由原来的４米提高到２．４４米。其缺点是卫星的使用寿命会缩短。在轨道高度一定的条件下，要想提高ＣＣＤ成像卫星图像的空间分辨率，最赢接的方法就是增大光学系统的焦距或缩小ＣＣＤ器件阵元宽度。焦距增大会使得光学零件的加工难度增大，费用增高，导致遥感器的体积大、重量重等一系列难题。ＣＣＤ器件方面，由于国外的技术封锁，目前我们可以得到用于卫星相机的ＣＣＤ孔径仅为１３ｌａｍ（资源１号），而法国ＳＰＯＴＳ为６．Ｓｌａｍ。同时，ＣＣＤ孔径Ｗ太小，不但制造工艺困难，信噪比降低，而且图像信号的频带过宽，在空域一定的情况下数据量也过大，给图像传输造成一定困难。那么，怎样在ＣＣＤ器件阵元宽度ｗ、相机焦距ｆ和距离Ｒ一定的条件下提高空间分辨率。超分辨率技术就是最好的方法之一。
超分辨率技术的发展现状超分辨率技术经历了单幅图像的超分辨率复原、多幅图像的超分辨率重建和星一地结合的超分辨率工程实现三个阶段
２．１．单幅图像的超分辨率复原这一技术指的是应用单幅图像，复原图像衍射极限之外信息，从而提高图像的空间分辨率。应用的方法包括：解析延拓，Ｈａｒｒｉｓ方法，能量连续降解方法，长椭球波函数方法，线性均方外推方法，叠加正弦模板等方法。这类方法在实际操作中存在两个障碍：一是成像的点扩展函数不能精确知道，二是该方法对噪声十分敏感。这样就不可能得Ｎｉｌ带内的理想频谱也就不可能进行原图像的正确重构。这类方法的缺点还在于它未给出从多幅图像来获取更多信息的手段，实际应用的可能性较差，因此，Ａｎｄｒｅｗｓ和Ｈｕｎｔ称此为“超分辨率神话（ｍｙｔｈ）”。针对以上问题，我们对单幅可见光卫星图像超分辨率研究进行了大量的调研工作，提出了基于权重分析的混合像元四叉树分解和基于边缘检测的混合像元四叉树分解两种方法，来达到提高图像空间分辨率的目的。人：Ｌ地物的图像空间分辨率可以提高１．５倍。
２．２．多幅图像的超分辨率重建这一技术指的是应用多幅低分辨率遥感图像，以一定的数学方法（包括空间域和频率域）进行图像重建，从而得到一幅高空间分辨率遥感图像的技术。２．２．１国内研究情况科学院遥感所的郝鹏威在徐冠华教授和朱重光教授的指导下，作了卓有成效的工作，他从分辨率低的欠采样图像会导致相应频率域频谱混叠的理论出发，给出了多次欠采样图像在频率域混叠的更一般公式，并给出一种针对不同分辨率图像解频谱混叠的逐行迭代方法。同时进行了计算机仿真实验，证明了他的方法在有噪声的情形下也有很好的收敛性。之后，我们研究了在基于数字图像欠采样引起空间分辨率降低的假设下，建立在信号采样理论基础上的，『Ｌ种图像信号重构方法：（１）基于Ｂ样条小波变换的多幅图像信息累积图像插值重构方法ｇ（２）基于空间变化点扩展函数的凸集投影变权迭代图像重构算法；（３）基于频域解混频原理的图像融合算法；（４）空间点扩展函数图像复原放大。实验结果证明，这些方法可以提高卫星的空间分辨率。北京大学、清华大学、北京理：ｌ＿＿＝大学和哈尔滨工业大学也在这方面作了一定的研究：［作。２．２．２国外研究情况国外的研究主要可以分为三火类：代数插值方法、空间域迭代方法和频域解混叠方法。２．２．２．１代数插值方法如果原图像足够光滑，从采样的数字图像通过插值可以重构原图像，也就可以改善其空间分辨率状况了。这类方法实质上是一种根据邻近已知像元来估计欲求像元值的代数插值方法。从单幅图像重构插值问题是一个简单的采样重构问题。高于Ｎｙｐｕｉｓｔ频率的过采样可通过与Ｓｉｎｃ函数的卷积来完全重构，而低于Ｎｙｐｕｉｓｔ频率的欠采样则不能。Ｕｒ和Ｇｒｏｓｓ（１９９２）研究了从多幅图像插值重构原图像的问题。他们根据Ｙｅｎ（１９５６）的非均匀采样理论给出了一种利刚包括Ｓｉｎｃ函数在内的插值基函数进行插值的方法。该方法未考虑辐射亮度差异和噪声混入等问题，它还要求采样图像的数目不宜太多、采样图像大小相同、严格的等间隔采样以及图像之间像元的相对位移严格掌握等。采样的样本数增加，插值重构原信号的误差就会随之降低。但这些方法的主要困难还在于诸多的不确定性，如辐射亮度差异、像元相对位移不确定、存在随机噪声等等。２。２．２．２空间域迭代方法这类方法也是在空间域对数字图像进行插值的基础上模拟采样并逐步修正迭代进行的。Ｐｅｌｅｇ等人（１９８７）用模拟采样方法和模拟退火算法迭代进行空间分辨率的改善，即对初始估计的第一个像元值进行上下浮动，并通过模拟采样来计算这种浮动对误差的影响来决定上下浮动的最佳方式。这种算法收敛速度并不理想，而且收敛的结果受迭代的初始估计的影响很大，这种方法针对的是采样图像的大小或图像空间分辨率全相同的图像。Ｔｅｋａｌｐ等人（１９９２）给出用凸集投影（ｐｒｏｊｅｃｔｉｏｎｏｎｔｏ
ＣＯｎＶｅＸ
ｓｅｔｓ，ＰＯＣＳ）方法进行若干图像采
样间隔完全相同及样本图像之间相对位移准确知道情形下的空间分辨纺改善的研究。其文章的主要特点有：（１）利用每一次迭代对每一个采样点值的误差容限来定义凸集：（２）给出了相同采样间隔的图像频率域频谱混叠的形式，但未抽象出频谱混叠矩阵：（３）考虑了算法在空间变化情况下的适应性。ＡｎｄｒｅｗＪ．Ｐａｔｔｉ等人（１９９４）［５］给出基于凸集投影（ＰＯＣＳ）方法进行若干低分辨率图像重建高分辨率图像的研究。该算法考虑了传感器硬件的噪声和由于传感器和成像目标之间相对运动而的模
糊（ｂｌｕｒｒｉｎｇ）。所有这些方法均未考虑样本为非均匀采样及各图像样本之间存在的空间分辨率差异和辐射亮
度差异等更一般性的问题。ＲｕｓｓｅｌｌＣ．Ｈａｒｄｉｅ等（１９８８）［６】在充分研究图像成像过程，建立了成像数学模型（ｏｂｓｅｒｖａｔｉｏｎｍｏｄｅｌ），在此基础上，应用成本函数（ｃｏｓｔｆｕｎｃｔｉｏｎ）最优化方法，从多幅经旋转和平移的低分辨率图像序列重建一幅高分辨率图像。该算法鲁棒性（ｒｏｂｕｓｔｎｅｓｓ）强，抗噪声能力好，在美国机载红外成像系统中得到了成功应用。２．２．２．３频域解混叠方法如单独一同数字图像是欠采样的，它就不能用代数插值方法进行重构，因为信号的欠采样会使信号在对应频域内发生频谱的混叠（Ａｉｉａｓｉｎｇ）。但是，如果能通过多幅图像的频谱解开这些混叠，或者使混叠频谱的混入部分权重降低就可以减轻混叠程度，对应空间域图像的空间分辨率自然就改善了。Ｒ．Ｙ．Ｔｓａｉ和Ｔ．Ｓ．Ｈｕａｎｇ［１］便是这一方法的首创者。１９８４年他们首先提出用多幅欠采样图象来提高图象的空间分辨率的设想。他们希望通过数学模型对同一地区，不同时相的一组遥感图象进行数据融合处理，从而得到一幅能提供更加详细信息的高分辨率遥感图象。他们采用的模型为图象无噪声、无退化和空间分辨率大小完全相同的图象采样模型，并用频谱混叠方式给出了一个解混叠的方法。在此基础上，Ｓ．Ｐ．Ｋｉｍ［２、３１等人又研究了混入噪声和图象有模糊退化情形下的模型，并给出了加权迭代法和正则化迭代法两种解混叠的方法。Ｂｏｓｅ和Ｋｉｍ等人（１９９３）［３】采用了总体最小二乘法来解决有噪声情形下的空间分辨率提高问题。但这些方法都是基于各幅数字图像的空间分辨率完全相同，而各幅图像之间存在一定的相对位移的假设。采用图像若未经配准，则必须预先进行配准和几何纠正，以使它们达到图像大小相同或近似的空间分辨率相同。无疑，经过儿何纠正的图像肯定会引入一些不正确的信息。由于这些方法是建立在信号欠采样的间隔完全相同的基础上，因此，这些方法的一个共同的特点是：整个信号频谱的混叠公式可以分解为一个个互不相关的小议程组进行求解，只是求解的方法
２９７