为了克服图像超分辨重建中四阶全变分正则化模型存在的“斑点”现象和稀疏正则化模型中最优解不唯一的缺点, 结合红外遥感图像超分辨率重建的实际需求, 提出了一种基于总广义变分正则化的红外遥感图像超分辨重建模型。根据零阶张量空间和松弛解的相关概念, 分析了模型的优点和可行性。结合该模型的自身分裂性, 采用交替方向乘数法将模型分裂为两个子问题, 分别利用共轭梯度法和快速傅里叶变换方法进行数值求解。从测试结果分析, 无论是模拟图像还是真实图像利用提出模型重建后的图像分辨率均有明显提升; 客观评价中的不同指标值均优于近期文献中的方法, 其中峰值信噪比提高约2 dB, 信噪比、结构相似度和信息熵分别提高1、0.02和0.1个单位。

现有的空间目标图像波后处理方法多直接套用自然光学图像的复原技术, 效果并不理想。本文通过分析空间目标图像的近似稀疏性和灰度值服从超拉普拉斯分布的独有特点, 提出了一个采用正则化方法的非凸稀疏正则化空间目标图像复原模型。在数值计算过程中, 根据交替方向乘数法将复原模型分解为两个子问题, 对凸优化子问题采用快速傅里叶变换求解, 对非凸优化子问题采用固定点迭代方法求解。文中设计了非凸稀疏正则化空间目标图像波后复原的完整算法流程, 并针对模拟图像和真实空间目标图像进行了对比验证。 结果显示: 相对于最近的流行算法, 提出方法的最大峰值信噪比提高了2 dB, 最大平均结构相似度提高了0.17, 最大信息熵提高了3.85, 图像清晰度提高了2.65。