一种快速有效的像素化反卷积技术制造技术

fiDrizzle像素化反卷积技术是数字图像处理领域为数不多的包含去像素化过程的图像叠加技术。目的是要解决成像仪器的低采样率导致的像素化问题，也顺便解决姿态稳定性差导致的图像形状模糊等问题。我们在前人工作的基础上，改进了实现方法，省略了一些冗余的计算步骤，并直接瞄准输出网格的分辨率。这样做省时省力，而且保留了更多的图像细节，得到的图像质量更高。本技术快速有效地解决了比较基础性的低采样率导致的像素化问题，能获得更高保真的重建图像。所以在对图像的像素分辨率有极高要求的天文学，微观物理学等领域有广泛用途，甚至在微生物学，医学和数字监控领域也有用武之地。

A fast and effective pixel deconvolution technique

FiDrizzle pixel deconvolution is one of the few image superimposition technologies in the field of digital image processing. The purpose is to solve the pixel problem caused by the low sampling rate of the imaging instrument, and also to solve the problem of blurred image shape caused by poor posture stability. Based on previous work, we improved the implementation method, omitted some redundant computation steps and aimed directly at the resolution of output grids. This saves time and effort, and preserves more image details, resulting in higher image quality. This technology quickly and effectively solved the problem of pixel reduction caused by the relatively low sampling rate, and achieved more fidelity reconstructed images. So it is widely used in the field of microphysics, and even in the field of Microbiology, medicine and digital monitoring, which has a very high requirement for the pixel resolution of the image.

【技术实现步骤摘要】
一种快速有效的像素化反卷积技术December18，20161
所有的采集技术都不能包含无限的细节信息，因为图像的几何尺寸和数据存储容量都是有限的。对于在像平面上尺度很小的物体(半高宽FWHM＜10像素)来说，细节往往会因为采样率低(undersampling)而丧失，也就是我们说的放大之后全是马赛克-像素化(pixelization)。如何恢复或者重建因为像素化而丢失的细节(也就是像素化反卷积)是我们要解决的问题。2
技术介绍
科学家发现，虽然某些观测已经达到了分辨率极限，不可避免地会出现低采样率问题，但通过记录仪器的震颤(dither)在不同位置拍摄目标物体，就会得到很多低采样率样本，而把这些样本通过合理的技术进行叠加就可以得到突破仪器限制的超高分辨率。也就是从某种程度上实现了像素化的反卷积。在通过叠加低采样率图像得到高采样率图像的技术发展过程中涌现出了诸如Interlace，shift-and-add，Drizzle和iDrizzle等方法。Fruchter等人发展的Drizzle和iDrizzle技术已经成功用在哈勃望远镜宽场图像的叠加拼接上。本文中我们主要用我们新发展的像素化反卷积方法跟Drizzle和iDrizzle做对比。Drizzle的特点是速度快，但内秉的滤波器(filter)并没有被反卷积出来，所以Drizzle只是图像在高分辨率网格下的单纯叠加，不涉及反卷积，因而也没有很好地去像素化。随后在Drizzle的基础上，Fruchter于2011年又发展出了多次迭代结合傅立叶空间平滑的方法来多次提取残留信号，也即iDrizzle技术。iDrizzle首先要通过Drizzle技术把多次观测到原始图像放到一个过采样的网格上，再多次与原始图像对比，从残差图像中提取大部分信号，并加到结果中，最后通过sinc插值到目标分辨率，比如不高于临界采样的分辨率(criticalsampling，符合香农-奈奎斯特采样定理的采样)。iDrizzle能比较好地实现反卷积，给出的图像跟真实图像差不太多。但随后的研究中我们发现iDrizzle会在傅立叶变换和反变换中消耗大量运算资源，另外一开始就把原观测图像叠加到过采样的高分辨率网格上，最终再差值回来，也会加重计算负载。而且傅立叶变换和反变换之间要进行平滑，最后的sinc差值也相当于一次平滑，因此会最终损失图像在高频部分的信息(细节)。下面我们阐述我们新发展的快速有效像素化反卷积技术(afastiDrizzlemethod，简称fiDrizzle)。3
技术实现思路
3.1fiDrizzle技术我们的目的是尽量保留和发展iDrizzle的反卷积功能，并简化步骤和合理采样，来增加计算速度。fiDrizzle的步骤如下：Step1：把对准某区域观测N副震颤过的原始图像(ditheredimages)，{I1，I2，I3...IN}，用Drizzle叠加到一个我们想要的高分辨率(但又不高于临界采样率)的网格上，这样就生成了叠加图像D1，也即对真实图像的一级近似。D的下标1代表这是第一次迭代的结果。Step2：假设把Drizzle叠加后的图像D1放到真实图像的位置，通过完全相同的设备和跟原始观测完全相同条件的虚拟观测得到一系列虚拟观测图像这些虚拟观测图像跟原始观测图像是一一对应的，也是N副Step3：把N副虚拟观测图像与对应的原始图像做减法，就会得到残差图像Step4：返回第一步Step1：，把残差图像当成原始图像再用Drizzle叠加生成图像D2，它几乎是真实图像跟上一次近似图像(一级近似)的差.Step5：继续之前的循环但只改一处地方，在Step3中，在第K次迭代的时候，AK＝直到残差图像中没有信号，被噪音主导。迭代结束后，我们就可以把输出当成最终结果了。对比iDrizzle的步骤，我们的fiDrzzle做到了如下改进：1.省略了正反傅立叶变换和其中的平滑过程；2.一开始就把输出图像精度当成目标分辨率，而不是用过采样的分辨率。3.因为没有用过采样分辨率，所以省去了最终使用sinc插值的过程。4.因为去掉了平滑和插值步骤，我们期待新的fiDrzzle能保留一些高频信息，也就是重建更多的细节。下面我们对Drizzle，iDrizzle和fiDrizzle三种图像重建技术进行了视觉表观方面，定量方面和时间复杂度方面的全面对比。为了控制对比三种方法，我们首先给出一副真实图像，然后把真实图像通过模拟观测得到一些低分辨率原始图像(ditheredimages)，然后我们用这三种方法对这些低分辨率原始图像进行图像重建，最后输出结果进行对比。这其中为了模拟真实观测，震颤涉及到的仪器的位移，旋转是随机的，另外还考虑了每次曝光0.1％的CCD随机几何形变。3.2结果1：视觉表观对比在图1中，我们使用了图像处理领域广为人知的测试图像MissLena(尺寸512×512pixel)作为真实图像，左图。我们把真实图像进行模拟观测bin了5副原始观测图像分辨率降低了其中之一就是右图。我们可以看到低采样率或者说低分辨率图像中的Lena的眼睛和睫毛都模糊不清了，帽子边缘锯齿化严重，帽子上的条纹也消失了，这些都是像素化的结果，所有的细节都马赛克化了，也是我们现实中真实观测图像的表现。之后我们用上述三种方法把这5副原始观测图像进行重建。如图2，左侧上图是真实图像。右侧上图是Drizzle重建的结果，左侧下图是iDrizzle的结果，右侧下图fiDrizzle的结果。这其中iDrizzle和fiDrizzle都进行了5次迭代。很明显Drizzle重建的图像已经比原始观测图像好多了，也增加了更多的细节。然而与iDrizzle和fiDrizzle对比，Drizzle就差多了。主要原因是Drizzle并没有进行像素化反卷积操作。对比iDrizzle和fiDrizzle我们发现fiDrizzle重建的图像包含更多的细节比如竟然重建了帽子上的条纹。而在真实图像中条纹的特征尺度也就是1-4个像素。说明fiDrizzle可以重建尺度在1-2个原始像素的细节了。另一方面iDrizzle的效果似乎也差不太多，主要区别在细节方面。为了进一步展示iDrizzle和fiDrizzle的区别我们又画了残差图像3。其中左上是真实图像，其余是各方法重建结果与真实图像相减后的残差。残差图像里信息越多说明图像重建效果越差。我们明显可以看到fiDrizzle的残差是最小的，除了噪音几乎看不到什么信号。3.3结果2：定量对比除了视觉表观对比之外，我们还进行了定量对比，主要是对比重建图像中光源的形状信息。我们从哈勃望远镜的数据库里HST_jc1g03010_dtc.fits摘出一副481×481分辨率的图像，其中星系的中心位置赤经赤纬为R.A.＝195.01238deg.和Dec＝28.023106deg.。我们将该图像作为真实图像，然后模拟观测了10副比真实图像低分辨率的原始图像。在图4中，图像的布局跟图2是一样的。可以发现iDrizzle和fiDrizzle明显要比Drizzle好，但iDrizzle和fiDrizzle看起来区别不大。我们沿着X＝Y做了一个流量剖面图，来对比在X＝Y像素上的流量。图5中，所有像素上的流量已经除以本文档来自技高网...

【技术保护点】
1.fiDrizzle像素化反卷积技术有如下技术特征：使用迭代提取信号的技术，省略傅立叶变换，直接把图像重建到不超过临界分辨率的网格上，因而可以快速有效地实现图像叠加， 我们在此请求保护该专利技术的如下核心权利：在使用迭代方式提取信号的过程中，直接把图像重建到不超过临界分辨率的网格上并且省略傅立叶正反变换步骤的多次观测图像叠加技术。

【技术特征摘要】
1.fiDrizzle像素化反卷积技术有如下技术特征：使用迭代提取信号的技术，省略傅立叶变换，直接把图像重建到不超过临界分辨率的网格上，因而可以快速有效地实现图像叠...

【专利技术属性】
技术研发人员：王蕾，李国亮，
申请(专利权)人：王蕾，
类型：发明
国别省市：江苏,32