曹春萍, 李 昂

(上海理工大学光电信息与计算机工程学院, 上海 200093)

0 引言(Introduction)

遥感图像是通过使用遥感技术(包括飞机、火箭、卫星或其他空间平台)从空中远距离对地面目标物进行观测而获取到的图像。目前,遥感图像数据在许多领域都得到有效应用,例如农林业资源调查、环境监测、灾害监测和评估、城市规划等。然而,在遥感图像获取的过程中会不可避免地受到外在因素的影响,包括大气湍流、通道传输能力限制、远距离成像困难等,导致获取的遥感图像存在分辨率比较低的问题。综合考虑硬件成本,可以使用遥感图像超分辨率技术获取到更高质量和分辨率的遥感图像。

1 相关技术概述(Overview of related technologies)

传统的遥感图像超分辨率技术有基于插值的方法[1]、基于重构的方法[2]和基于深度学习的方法[3]。基于插值的方法虽然计算复杂度较低,但是在进行遥感图像重建时,只能恢复图像的低频信息,图像效果较差。基于重构的方法通常需要足够的先验知识,而且重建速度较慢,在先验知识不足的情况下重建效果不理想。基于深度学习的方法从低分辨率图像提取特征图,再将特征图与高分辨率图像之间建立映射,重建高分辨率图像,通过这种方法重建的图像在客观评价指标和视觉效果方面均明显优于基于插值的方法和基于重构的方法。

DONG等[4]率先提出了经典的超分辨率卷积神经网络(Super-Resolutional Convolution Neural Networks,SRCNN),利用卷积神经网络(Convolutional Neural Networks,CNN)学习低分辨率(Low-Resolution,LR)图像与高分辨率(High-Resolution,HR)图像进行特征映射。……