红外云图超分辨率的稀疏表示理论与算法研究

To deal with the low-resolution problem of infrared cloud images, we propose a new super-resolution approach by introducing a series of sparse representation theory and algorithms, such as the over-complete dictionary and the compressed sensing, etc. The research focuses on the following four aspects: (1) Based on the essence of infrared cloud image super-resolution reconstruction, we construct an over-complete dictionary which is more benificial for expressing the structure, shape and texture information of infrared cloud images; (2) Inspired by the characteristics of the infrared cloud image, we study the degradation model of the imaging system, and build a measurement matrix which can reflect the blurring process of infrared cloud images; (3) By applying compressed sensing and convex optimization, we study the iterative shrinkage algorithm of the image inverse problem and achieve an efficient reconstruction algorithm for compressed sensing; (4) Under the framework of sparse representation theories of over-complete dictionary and compressed sensing, we adopt a fast and stable reconstruction algorithm to achieve super resolution for the infrared cloud images. Through this project, we expect to break through the bottleneck of the low-resolution problem of infrared cloud images, and improve the level of applying the infrared cloud image in the fields such as meteorological service, climate analysis and prediction, etc. Moreover, it is of significant importance in the development of promoting the technology of image super-resolution reconstruction, image understanding, and sparse representation, etc.

针对红外云图分辨率低的问题，引入过完备字典及压缩感知等稀疏表示理论与算法，建立一套红外云图超分辨率重建新方法，研究内容集中在四个方面：（1）从红外云图超分辨率重建的本质出发，构造一种有利于表达红外云图结构、形状和纹理信息的过完备字典；（2）从红外云图的特点出发，研究成像系统的退化模型，建立反映红外云图降晰过程的测量矩阵；（3）在压缩感知及凸优化思想指导下，研究图像反问题的迭代收缩算法，实现高效的压缩感知信号重构；（4）在过完备字典稀疏表示及压缩感知框架下，采用快速稳定的重构算法，实现红外云图的超分辨率重建。课题的研究有望突破红外云图分辨率低的瓶颈，提高红外云图在气象业务保障、气候分析和预测等领域的应用水平，而且对于推动图像超分辩率重建、图像理解、稀疏表示等技术的发展也有重要意义。

项目背景：高空间分辨率红外云图在气象业务保障、气候分析和预测等领域具有不可替代的作用，但由于受到接收辐射的波长和技术水平的限制，所获得的卫星红外云图空间分辨率往往较低，限制了其应用价值。本项目基于稀疏表示理论，开展基于稀疏表示的红外云图超分辨率重建理论与方法研究，以突破红外云图空间分辨率低的瓶颈，在保持红外云图辐射信息的同时，得到高空间分辨率红外云图数据，提升其应用价值和潜能。. 主要研究内容：（1）从红外云图超分辨率重建的本质出发，构造一种有利于表达红外云图结构、形状和纹理信息的过完备字典；（2）从红外云图的特点出发，研究成像系统的退化模型，建立反映红外云图降晰过程的测量矩阵；（3）在压缩感知及凸优化思想指导下，研究图像反问题的迭代收缩算法，实现高效的压缩感知信号重构；（4）在过完备字典稀疏表示及压缩感知框架下，采用快速稳定的重构算法，实现红外云图的超分辨率重建。.重要结果：1）针对过完备份字典构建，提出了一种自适应在线字典学习方法，解决了现有方法在高放大因子下重构图像质量下降以及样本训练时间过长的问题。2）在红外云图退化模型研究方面，研究了红外图像的退化过程和原理，提出了一种结构组稀疏表示的方法、基于形态学分析方法、抗噪声干扰的主题学习和稀疏表示方法等。3）针对传统字典学习方法存在训练精度低，收敛速度慢等问题，提出基于字典学习和邻域嵌入相结合的方法，提升了字典训练精度和算法效率。4）基于稀疏表示理论，进一步在卫星云图分类、图像修复、人脸识别等方面开展了相关研究。. 关键数据: 在本项目资助下，发表期刊论文25篇，其中，SCI或EI 论文12篇（SCI论文7篇, EI论文5篇），申请发表专利4项，其中授权1项，培养硕士生 12 名。. 科学意义：项目研究具有重要的研究和实际意义，不仅突破红外云图空间分辨率低的限制，同时提升了红外云图在气象业务保障、气候分析和预测等领域的应用价值和潜能。