为了提高遥感影像的空间分辨率, 将用于自然影像超分辨率重建的非参数贝叶斯字典学习模型引入到遥感影像处理领域, 提出了一种基于非参数贝叶斯和纹理分块的单幅遥感影像超分辨率重建的改进方法。该方法利用Beta-Bernoulli process进行字典学习, 建立字典元素和各参数的概率分布模型, 并使用Gibbs抽样计算其后验分布。最后, 在重构时先将影像块分为平滑块和非平滑块两种类型, 对非平滑块利用高分辨率字典的后验分布及低分辨率影像块的稀疏系数重建出高分辨率遥感影像, 而对平滑块仅采用双三次卷积方法进行重构。此外, 区别于传统算法需事先设置较大维数字典以保证较高重建精度的不足, 对字典维数进行非参数推导, 获得较小维数字典, 减少了运算量。实验表明, 不论测试影像有无噪声, 所提算法在视觉及定量评价指标上较传统方法均有改善, 且重构速度较快。
