专利名称：图像超分辨率重建方法
技术领域：
本发明属于图像信号处理技术领域，具体涉及一种洛伦兹函数结合自适应正则化的图像超分辨率重建方法。
背景技术：
超分辨率图像重建技术是运用信号与信息处理方法来提高分辨率的一种有效手段。如果有多帧关于同一场景的欠采样图像，这些图像之间可能有空间平移、偏转、缩放等几何差异，通过这些图像信息之间的互补、融合及图像先验信息，同时去除噪声以及模糊， 则可以得到高分辨率图像。此方法克服了物理条件的限制，克服了图像插值等方法的局限性，禾ι佣多帧图像信息弥补空间分辨率的不足；改善由于图像降晰、离散化引起的空间分辨率下降；发掘现有图像数据(如多角度、多时相、多平台遥感图像，序列图像等)的潜力 ’突破了图像获取手段的空间分辨率极限；效果显著，应用方便，代价低廉。目前，超分辨率图像重建技术研究中，基于正则化的重建方法和基于统计的重建方法是较为常用、效果也较好的主流方法。基于正则化的重建方法是结合图像和模糊的先验知识对问题进行正则化处理，根据退化图像序列的前向模型，构造正则化最小化泛函，求解最小化泛函以得到高分辨率图像。该方法的优点是可直接加入先验约束、确保解的存在和唯一、收敛稳定性高、降噪能力强。但运算量大、收敛较慢，高分辨率图像的细节容易被平滑掉。基于统计的重建方法是把超分辨率重建问题看成统计估计问题，常见有最大后验概率估计(MAP，maximun a posteriori)和最大似然估计(ML，maximum likelihood estimation)两种算法。MAP算法是在已知低分辨率图像序列的条件下，使出现高分辨率图像的后验概率达到最大。实际上，MAP算法就是将目标函数最小化，并在目标函数中引入不同的先验模型决定其收敛性。ML算法则可以认为是MAP算法在等概率先验模型下的特例。基于正则化的重建方法和基于MAP框架的超分辨率重建本质上都是通过引入若干先验知识，将不适定性重建问题转化为适定性重建问题，同时实现数据保真和边缘保持的高分辨率图像重建。由于数字图像处理领域中关于图像的先验知识具体对应的为图像模型，因此对基于正则化理论的超分辨率重建算法和基于最大后验概率框架的超分辨率重建算法的先验知识研究具有共通之处。
发明内容
发明目的本发明的目的在于提供一种新的自适应正则化图像超分辨率重建算法，即洛伦兹函数结合自适应正则化的图像超分辨率重建算法。为了实现本发明方法，本发明公开了一种图像超分辨率重建方法，其特征在于，包括如下步骤步骤(1)输入用向量表示的m帧针对同一场景的低分辨率图像序列；步骤(2)采用双线性插值法对所有低分辨率图像进行处理，获取初始高分辨率图像估计，即初值估计ZQ. 步骤⑶将初值估计&代入迭代公式i +1 =i -广行迭代计算，其中，β为设定控制步长，设定值范围为0 1，η表示迭代次数，表示经过第η次迭代的高分辨率图像估计，Gn表示经过第η次迭代计算得到的梯度；当η = 0时，公式变为式=Z0-/ -G0，则可将Z。带入。根据下式在每次迭代中计算梯度Gn， 其中，ψ-⑶=珲2+χ2参数T1是洛伦兹函数的半值半宽，参数T1为控制阈值，
？
设定值范围为1 12之间的实数；C表示拉普拉斯算子，C= [1/8 1/8 1/8； 1/8 -1 1/8； 1/81/8 1/8] 和η为常数系数，α设定值范围为0 100之间的实数，η设定值范围为100 500之间的实数；Hk为等效降质因子；λ k为自适应正则化参数。根据下式在每次迭代中计算自适应正则化参数入k
权利要求
1.一种图像超分辨率重建方法，其特征在于，包括如下步骤步骤(1)输入用向量表示的m帧针对同一场景的低分辨率图像序列；步骤(2)采用双线性插值法对所有低分辨率图像进行处理，获取初始高分辨率图像估计，即初值估计Zq. 步骤(3)将初值估计z。代入迭代公式i +1=i -广.& 进行迭代计算，其中，β为设定控制步长，设定值范围为ο 1，η表示迭代次数，i 表示经过第η次迭代的高分辨率图像估计，Gn表示经过第η次迭代计算得到的梯度；步骤(4)判断是否满足迭代收敛条件，若满足则停止迭代，输出所得高分辨率图像。
2.根据权利1要求所述的图像超分辨率重建方法，其特征在于，根据下式在每次迭代中计算梯度Gn，Gn= Χη[·77·Ψ;ογ(ΗΛ-Υ,) +，,2 jc其中，⑶= 2[2+χ2参数T1是洛伦兹函数的半值半宽，为控制阈值，设定值范围为？1 12之间的实数；C表示拉普拉斯算子，C= [1/8 1/8 1/8； 1/8 -1 1/8 ； 1/8 1/8 1/8]； α和Π为常数系数，α设定值范围为O 100之间的实数，η设定值范围为100 500 之间的实数；Hk为等效降质因子；λ k为自适应正则化参数。
3.根据权利2要求所述的图像超分辨率重建方法，其特征在于，根据下式在每次迭代中计算自适应正则化参数Xk:λ = |ψι0Γ (Yr hA)『/〔2IWI2 -|ψιογ (cz )||2j其中，Ψ.(χ) = 1ο§ 1 + 1 f 参数T2是洛伦兹函数的半值半宽，参数T2设定值范围Z\I2 JL-I ？为1 12之间的实数。
4.根据权利1或3要求所述的图像超分辨率重建方法，其特征在于，步骤(1)中输入的低分辨率图像序列是满足如下条件建立高分辨率图像的降质模型针对带限连续的景物图像，成像系统以奈奎斯特频率采样，得到理想高分辨率图像Z ；在成像过程中，只存在运动、 降质因素、噪声影响；高分辨率图像Z依次经过变形、模糊、下采样、添加噪声后得到低分辨率观测图像序列Yk。
5.根据权利4要求所述的图像超分辨率重建方法，其特征在于，图像降质模型用下式表示Yit =DitBitWtZ +& ( \fk 二 Υ,2,···,πι );对单帧高分辨率图像进行降质处理，依次进行运动平移、模糊、降采样、添加噪声；重复该步骤，获取m帧关于同一景物的不同的低分辨率图像，设Hk = DkBkWk,称为等效降质因子；所述Z是理想高分辨率图像，大小为CiN1XqN2像素，Z由高分辨率图像像素以向量形式按字典顺序排列而成，即Z =……,办了，N = CiN1XqN2^w为向量Z中的第N个分量，N表示向量Yk中的分量个数，q为采样比率；Yk是低分辨率像序列，每一帧图像的大小都是N1XN2像素，Yk由低分辨率图像像素以向量形式按字典顺序排列而成，即Yk = [YuJu，……Yk,M]T，k = 1，2，…，m，M = N1XN25M 表示向量Yk中的分量个数；Dk表示下采样矩阵，矩阵大小为(N1N2)2Xq2N1N2 ； Bk表示模糊矩阵，矩阵大小为Q2N1N2Xq2N1N2 ；Wk表示获取图像时的全局或局部几何变形，旋转，矩阵大小是Q2N1N2 X Q2N1N2 ；Vk表示成像系统的噪声影响，设为均值为零，方差为σ 2的高斯白噪声。
6.根据权利1要求所述的图像超分辨率重建方法，其特征在于，步骤(4)中所述收敛条件 ρ 设定为
全文摘要
本发明公开了一种图像超分辨率重建方法，包括如下步骤步骤(1)输入用向量表示的m帧针对同一场景的低分辨率图像序列；步骤(2)采用双线性插值法对所有低分辨率图像进行处理，获取初始高分辨率图像估计，即初值估计步骤(3)将初值估计代入迭代公式进行迭代计算；步骤(4)判断是否满足迭代收敛条件，若满足则停止迭代，输出所得高分辨率图像。本发明提供的图像超分辨率重建方法在视频和图像处理、医学成像、遥感图像等领域中有着广泛的应用前景。
文档编号G06T5/00GK102360498SQ201110329920
公开日2012年2月22日 申请日期2011年10月27日 优先权日2011年10月27日
发明者司文博, 张燕, 朱祥乐, 袁钦, 钱蕾 申请人:江苏省邮电规划设计院有限责任公司