信息从无到有：光学遥感图像超分辨率技术研究

空间分辨率一般具有两层含义，一个是地面采样距离Ground Sampling Distance（GSD），另一个是地面解析距离（Ground Resolved Distance）。严格来说从测量的角度即GSD我们提升了2倍的空间分辨率，但从地面解析距离的角度来说，我们却必须要通过地面靶标来评价，这是很难实现的，因为很难在地面构建这个尺度的靶标场。同时由于真实的高分辨率图像往往无法得到，因而超分辨率技术研究的另一个瓶颈在于难以对重构质量进行客观评价。在这个方面我们也进行了深入探索。把原始多时相低分辨率图像插值配准后放大后的均值图像看作为经超分重构后图像的模糊图像，则我们可以引入点扩散函数（Pointed Spread Functions, PSFs）的概念对方法进行评价，利用维纳滤波计算超分图像与经过插值的低分辨率均值图像的PSF值，通常情况下，PSF的半峰全宽值与图像的模糊程度相关，宽度越宽图像越模糊，相应地，在这里PSF的半峰全宽值越宽则表明重构质量越好，北京和海南三亚数据相应PSF如图3所示。为了进一步地定量的评价重构算法的效果，我们利用高斯核逼近图像的PSF值，与PSF体积最接近的高斯核函数的方差即用来表征PSF半峰形状，标准方差σ越大说明半峰全宽值越大即重构的图像质量越好。如图3所示，可见与常规方法（普通插值LR和IBP）相比，无论从主观视觉上还是客观定量评价上，该重建方法能够得到更为清晰的超分辨率影像，有助于进一步基于遥感图像的准确解译。

不同方法重构图像PSF标准方差σ的比较（σ越大图像质量越好）

长久以来，超分辨率技术的实际应用也一直受限于多时相遥感图像的获取，有效载荷为线阵推扫相机的低轨遥感卫星的重返周期较长，例如美国陆地观测卫星系列一般的重复周期为16天，如果获取多幅同一场景的图像需要很长的时间，那么在这个期间，地物的场景很可能会发生变化，因而基于时间跨度较大的多时相数据实现超分辨率重构是不可行的。然而，随着我国地球同步轨道遥感技术、光学遥感星座组网技术和基于单星面阵CMOS相机技术的蓬勃发展，都为秒级或分钟级获取多时相数据提供了条件，因而超分辨率重构技术也将很快在我国迎来新的发展机遇。借此良机，课题组将进一步优化重构算法，结合深度学习相关理论，提升重构质量，缩短重构时间，降低算法复杂度，推动超分辨率技术发展和应用，争取早日实现超分辨率重构算法的星上实时处理。