遥感图像复原与超分辨率技术

本书以遥感图像复原与超分辨率技术为主线，系统深入地阐述了相关理论、数学模型以及实现的技术途径、计算流程、实验验证，还给出了各种算法的实际应用效果和量化指标评价。全书共分为6章：第1章主要介绍遥感图像复原与超分辨率技术的国内外研究现状及经典方法；第2章主要论述遥感图像质量退化的理论模型及其质量复原与超分辨率的基本概念、系统方案及评价指标；第3章主要论述遥感图像的大气辐射校正及去噪算法；第4章主要论述遥感图像全视场复原框架模型及测量方法；第5章依次论述频域约束滤波、自适应正则化复原算法；第6章重点建立具有强大泛化能力的卷积神经网络图像超分辨率算法。
本书创新性的学术观点与方法有助于进一步发展和完善图像复原及超分辨率技术理论体系，同时有利于提高遥感图像质量，从而扩大遥感图像在军事侦察、地质探测、农业土地资源监测以及地球测绘等方面的广泛应用。本书内容对遥感图像的进一步处理具有一定的借鉴意义。
本书可供信号与信息处理、电子通信工程、计算机科学与技术、模式识别与人工智能、自动化、遥测遥控等相关领域的科研人员及高等院校相关专业的师生阅读。

高空间分辨率遥感影像的应用越来越引起世界各国的重视。在民用方面，它们可用于建筑、采矿、城市规划、土地利用、资源管理、农业调查、环境监测、精确制图和目标指引等；在军事方面，已用于侦察、预警、测地以及跟踪部队集结和武器部署等军事活动。
虽然目前光学遥感技术日新月异，但成像时大气湍流的扰动效应，大气中气溶胶的散射作用，地物与成像设备之间的相对运动，光学系统的衍射、像差，成像设备的散焦、畸变以及源自电路和光度学因素的噪声等多种因素影响，还是会导致获取的遥感影像质量有不同程度的退化，退化的具体表现为噪声、模糊，或者图像中的频谱混叠。这些问题直接制约了图像解译精度和信息提取效率。因此，如何从退化图像中恢复出高质量的遥感影像，突破分辨率限制以挖掘更精细的纹理信息，始终是遥感领域的研究热点与技术瓶颈。图像复原与超分辨率技术正是解决这一问题的关键。
遥感图像复原与超分辨率技术本质上是对“退化- 恢复”关系的建模能力的迭代升级。早期研究中，学者在图像复原问题上建立了一系列经典理论。21 世纪以来，随着计算机科学技术的发展，深度学习方法为该领域注入新的动能，通过端到端训练，在超分辨率任务中表现出更优越的性能。
本书聚焦遥感图像复原与超分辨率这一核心问题，结合遥感应用场景提炼针对性解决方案。全书内容涵盖从理论基础到算法实现、从传统方法到深度学习的全链条，具体结构如下：
第1章阐述了当前高分辨率遥感影像处理中面临的主要问题，整理并归纳了遥感图像复原与超分辨率技术的国内外研究现状。第2章介绍了基于调制传递函数的遥感图像退化模型，以及几种遥感图像退化函数获取方法；详细分析了影响空间光学遥感器调制传递函数的各项因素并进行仿真实验。第3章针对大气辐射以及噪声对遥感图像质量的影响进行预处理，提高图像清晰度和信噪比，为得到质量更好的复原图像奠定基础。第4章通过对比分析空间光学遥感器实验室以及在轨测试的调制传递函数数据，构建遥感器全视场的精确退化模型。第5章以遥感器全视场退化模型为先验信息，在频域实现图像复原，包括约束最小二乘方滤波方法和自适应正则化方法，并进行实验验证。第6章通过卷积神经网络实现超分辨率重建，首先构建训练数据集并对不同地物种类遥感图像进行分类，然后采用生成对抗网络实现图像超分辨率，实验验证了本书提出算法的有效性。
本书是笔者近些年在遥感图像复原与超分辨率领域科研工作的总结，由穆欣统稿和主要编写，于树海参与部分章节编写工作，部分内容为王冲攻读硕士期间与导师穆欣取得的成果。长春工业大学硕士研究生殷彬、张宏伟、纪秉敏、崔明诗等参与了本书初稿的校对工作。本书的遥感图像数据集由长光卫星技术股份有限公司提供。在此对他们表示由衷的感谢！本书的相关研究工作得到吉林省科技厅重点研发项目（20230201077GX） 的资助，特此致谢！
限于笔者水平，书中难免存在不妥之处，恳请读者指正。

穆欣
2025年6月于长春

第1章 遥感图像复原与超分辨率技术概述
1.1 研究背景及意义001
1.2 遥感图像复原研究现状003
1.2.1 基于调制传递函数补偿的遥感图像复原国内外研究现状003
1.2.2 经典的图像复原算法004
1.3 遥感图像超分辨率技术研究现状009
1.3.1 基于深度学习的遥感图像超分辨率重建国内外研究现状009
1.3.2 基于生成对抗网络的超分辨率重建国内外研究现状012
1.4 本书的内容与安排015
1.4.1 本书的研究内容015
1.4.2 本书的章节安排016

第2章 基于MTF 的遥感图像复原理论
2.1 概述018
2.2 基于MTF 的图像退化/ 复原模型018
2.3 退化函数获取方法021
2.4 遥感器MTF 理论模型023
2.4.1 光学MTF 模型024
2.4.2 探测器MTF 模型027
2.4.3 电子电路MTF 模型031
2.4.4 推扫成像MTF 模型032
2.4.5 遥感器综合MTF 模型035
2.5 图像复原质量评价037
2.6 本章小结039

第3章 遥感图像复原预处理
3.1 概述041
3.2 大气辐射校正042
3.2.1 黑物体的确定043
3.2.2 大气路径散射信号水平的计算043
3.2.3 大气校正模型044
3.3 噪声去除044
3.3.1 小波包定义045
3.3.2 小波包算法045
3.3.3 小波包去噪实现步骤046
3.4 实验结果与分析046
3.4.1 大气辐射校正实验046
3.4.2 小波包去噪实验047
3.5 本章小结048

第4章 遥感器MTF 测量与建模
4.1 概述049
4.2 遥感图像全视场复原框架思想049
4.3 遥感器MTF 测量051
4.3.1 光学全视场MTF 测量051
4.3.2 探测器MTF 测量054
4.3.3 遥感器中心视场MTF 测量055
4.4 遥感器全视场MTF 建模059
4.5 本章小结062

第5章 频域遥感图像复原技术
5.1 基于约束滤波的遥感图像复原063
5.1.1 概述063
5.1.2 约束最小二乘方滤波方法063
5.1.3 改进约束最小二乘方滤波的图像复原方法066
5.1.4 实验结果与分析070
5.2 基于自适应正则化的遥感图像复原081
5.2.1 概述081
5.2.2 正则化图像复原方法082
5.2.3 改进自适应正则化遥感图像复原方法085
5.2.4 实验结果与分析090
5.3 本章小结093

第6章 卷积神经网络图像超分辨率技术
6.1 概述095
6.2 数据集构建096
6.2.1 吉林一号03D 系列数据集介绍096
6.2.2 吉林一号03D 系列退化数据集097
6.2.3 RS_images_2800 数据集介绍099
6.2.4 RS_images_2800 退化数据集099
6.3 数据集分类方法研究103
6.3.1 RCCA 算法设计103
6.3.2 实验结果评估和分析107
6.4 生成对抗网络图像超分辨率方法111
6.4.1 USRGAN 算法设计111
6.4.2 实验结果评估和分析115
6.5 本章小结122

参考文献124