澳门科技大学 张芯苑

1.小波概述

如今，卫星图像被用于许多应用，如地球科学研究，天文学和地理信息系统。 影像中最重要的质量因素之一来自其解决方案。诸如平稳小波变换（SWT）和具有离散小波变换（DWT）的平稳小波变换等变换域算法被认为克服了缺点

近来出现很多基于小波的超分辨率计算方法，Chang 等人利用衡量原始图像小波变换的各子带的极值规律，估计出高频系数,Carey 等人也采用了与极值规律类似的方法，通过一系列的相关处理降低了算法的计算量。后来有许多研究者利用隐马尔可夫树方法来估算小波变换中的高频分量[5]，文献[5]中提出利用拉普拉斯金字塔来估计 HL、LH、HH 三个高频分量。

变换域和空间域被认为可以提高卫星图像的分辨率。目前来看，与空间域相比，变换域方法产生更好的分辨率。变换域方法保留图像中的边缘。但是需要确定可以考虑更好地提高卫星图像分辨率的合适变换。在本文中，提出了一种混合算法，并将结果使用评估参数进行了比较。

2.平稳小波算法（SWT）和混合算法（SWT和DWT）

2.1 平稳小波算法

小波超分辨率计算就是最早的基于小波变换的方法，高分辨率图像经过小波分解得到 4 个子带图像 LL，LH，HL 和 HH，平稳小波算法（SWT）是从不使用下采样图像的离散小波算法(DWT)开发而来，它仍然处理离散信号。因此输入图像和子带图像大小相同。SWT将图像分成不同的子带图像，高频子带包含图像的高频分量。插值可以应用于这四个子带图像。……