关键词:
变分模型
向量值图像压缩
全色锐化
结构张量
各向异性扩散
摘要:
随着数字图像处理技术的不断发展以及人们对地球资源和环境认识的不断深入,高分辨率遥感图像在军事、农业、城市规划等领域的应用越来越广泛。然而,庞大的图像数据量给信息存储和传输带来了巨大的挑战。此外,受卫星所搭载传感器的限制,从单一传感器难以获得高分辨率的遥感图像。因此,向量值图像压缩和全色锐化是数字图像处理领域中的两个热点研究问题。结构张量是图像处理和计算机视觉领域中常用的一种数学工具,其能够有效地捕获图像的边缘、纹理等重要的空间结构信息。借助于结构张量,可以分析和理解更为复杂的图像数据。本文针对向量值图像压缩和全色锐化这两类图像处理问题,基于变分法框架,从图像的结构张量出发,构建变分极小化模型,并对模型进行理论分析与数值求解。主要研究内容如下:
首先,针对向量值图像压缩问题,受基于彩色化的自然彩色图像压缩算法的启发,本文提出了一个用于向量值图像压缩的各向异性变分模型。一方面,在压缩过程中,借助于灰度共生矩阵的相关性,提出了“结构图像”的概念,其能够包含向量值图像基本的几何结构信息。为了从原始向量值图像中提取代表像素点,提出了一种“一次迭代方法”,可以极大地提高压缩效率。另一方面,在解压缩过程中,从对结构图像进行彩色化出发,提出了一个各向异性变分模型,并在理论上证明了该变分模型极小元的存在唯一性。此外,在数值方面,由于图像压缩任务对计算效率要求较高,本文采用缩放形式的交替方向乘子方法对变分模型进行了高效地数值求解。在自然彩色图像上的数值实验表明,所提出的方法可以有效地避免颜色渗透现象,且优于现有的基于彩色化的图像压缩方法。在卫星多光谱图像上的实验表明,所提出的方法优于JPEG和JPEG2000算法。
其次,针对全色锐化问题,即高空间分辨率的全色图像与低空间分辨率的多光谱图像进行融合的问题,本文提出了一个具有自适应系数的各向异性变分全色锐化模型。一方面,为将全色图像的结构信息整合到融合图像中,并确保变分模型的适定性,基于全色图像的结构张量,提出了全色图像引导的各向异性正则化项。另一方面,提出了具有自适应混合系数的全色约束项,可以更好的描述全色图像与高分辨率多光谱图像之间的关系,避免融合结果出现光谱失真现象。将这两项与经典的光谱保真项相结合,便得到了所提出的变分全色锐化模型。本文在理论上证明了所提出的变分模型极小元的存在唯一性,并使用具有优化旋转不变性的数值格式对模型的演化方程进行了数值求解。为了验证所提出的全色锐化方法的有效性和鲁棒性,本文在降分辨率和原始分辨率的数据集上进行了充分的实验。实验结果表明,所提出的全色锐化方法在空间细节和光谱信息保留方面更具优势。
最后,针对全局线性关系不足以准确描述全色图像与高分辨率多光谱图像之间关系的问题,本文提出了一个结构张量驱动的基于块的自适应变分全色锐化模型。为了更好的捕获全色图像的边缘细节信息,从全色图像的结构张量出发,提出了一个边缘检测函数,并将其整合到正则化项中,此举有助于在融合结果中更好的保留全色图像的空间细节信息。然后,将退化的全色图像和上采样的多光谱图像划分为几个大小相等的块,并利用基于回归的方法在每个块内计算得到一组自适应系数,进而构建全色图像与高分辨率多光谱图像之间更准确的约束项,避免了融合结果出现光谱失真现象。通过结合正则化项和约束保真项,即得到了所提出的变分模型。在理论方面,本文证明了所提出的变分模型极小元的存在唯一性。在数值方面,采用有限差分显格式对模型的梯度下降流进行了有效地数值求解。在不同数据集上进行的实验表明,新模型具有较好的性能。