Texture image prior for SAR image super resolution based on total variation regularization using split Bregman iteration
Texture image prior for SAR image super resolution based on total variation regularization using split Bregman iteration
复制标题
基于分裂Bregman迭代全变分正则化的SAR图像超分辨率纹理图像先验
DOI：
10.1080/01431161.2017.1346325
复制
发表时间：
2017-07
影响因子：
3.4
通讯作者：
Wang Cheng
中科院分区：
文献类型：
--
作者：
Liu Lu;Huang Wei;Wang Cheng
本文提出了一种基于梯度轮廓先验或其他纹理图像先验在最大后验框架下重建超分辨率合成孔径雷达（SAR）图像的全变分（TV）正则化方法。利用已知的退化矩阵，通过分裂Bregman迭代，设计了一种新的超分辨率重建算法，从而提高了SAR图像的分辨率。每一步都是基于高分辨率SAR图像进行TV正则化的参数自适应。为了客观评价SAR图像超分辨率重建的性能，在SAR图像上测试了几种评价指标。在HR图像估计中，该算法计算效率高，对SAR场景中的噪声具有较强的鲁棒性。实验结果表明，所提出的分割Bregman超分辨率方法可以有效避免由于一些奇怪纹理产生的散斑噪声，具有良好的噪声抑制效果，在有效保持SAR图像内容的同时，SAR图像的结构更加明显。此外，在真实SAR场景下的实验结果也证明了该算法的有效性，并证明了其相对于其他超分辨率算法的优越性。
ABSTRACT In this article, we propose a total variation (TV) regularization approach for the reconstruction of super-resolution synthetic aperture radar (SAR) image based on gradient profile prior or other texture image prior in the maximum a posteriori framework. We also design a novel super-resolution reconstruction algorithm via split Bregman iteration with the known degradation matrix, thereby enhancing the resolution of the SAR image. The parameter adaptation of the TV regularization is performed based on the high-resolution (HR) SAR image at each step. Several evaluation indices are tested on SAR images for objective assessment of the performance of SAR image super-resolution reconstruction. This computationally efficient algorithm is robust to noise in SAR scenes in HR image estimation. Experimental results show that the proposed split Bregman super-resolution approach can effectively avoid the speckle noise generated due to some strange textures and has good effect of noise suppression, while effectively maintaining the SAR image content, the structure of the SAR image is more apparent. Additionally, the experimental results on real SAR scenes also demonstrate the effectiveness of the proposed algorithm and demonstrate its superiority to other super-resolution algorithms.
登录
查看更多内容
DOI：
10.2172/782711
发表时间：
2001-05
期刊：
--
影响因子：
--
作者：
F. Dickey;L. Romero;A. Doerry
通讯作者：
F. Dickey;L. Romero;A. Doerry
使用联合扩散的图像放大方法
DOI：
10.1007/bf02945597
发表时间：
2004-09
期刊：
J. Comput. Sci. & Tech
影响因子：
--
作者：
Z.X.Liu;J.Wang;S.L.Peng
通讯作者：
S.L.Peng
影响因子：
10.6
作者：
Zhang, Lei;Wu, Xiaolin
通讯作者：
Wu, Xiaolin
DOI：
10.1109/83.382494
发表时间：
1995-05
期刊：
IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
影响因子：
--
作者：
M. Kang;A. Katsaggelos
通讯作者：
M. Kang;A. Katsaggelos
DOI：
10.1017/cbo9780511794308
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Gitta Kutyniok
通讯作者：
Gitta Kutyniok