基于分立小波变换的快速迭代(多次曝光)图像重建技术(FiSA)，摈弃了可能带来人为结构和高计算负荷的Drizzle，转而使用快速迭代的平移叠加方法(Shift‑and‑Add)，并结合二维快速分立小波变换技术进行滤波处理，从而在多次曝光图像重建过程中保留了更多的高频细节信息。另外相比于之前的《FiDrizzle多次采样图像重建技术》减少了计算量提高了运算速度。
Fast iterative (multiple exposure) image reconstruction technology based on discrete wavelet transform
The fast iterative (multiple exposure) image reconstruction technique (FiSA), which is based on discrete wavelet transform, abandons the Drizzle which may bring human structure and high computing load, and uses the fast iterative shift superposition method (Shift and Add), and combines the two dimensional fast discrete small wave transform (DWT). In the process of image reconstruction, more high-frequency details are retained. In addition, compared with the previous \FiDrizzle multiple sampling image reconstruction technology\, the amount of computation has been reduced and the computation speed has been improved.
【技术实现步骤摘要】
基于分立小波变换的快速迭代(多次曝光)图像重建技术1
在图像采集领域，像素点是采集光子(或其他粒子)和组成图像的基本单元。实际中像素点数目是有限的，如此一来图像分辨率就是有限的，也就是说单次曝光采样率是确定的。要得到高分辨率图像，有两种方法：一是增加单位面积上的像素点数目；二是通过多次曝光提高采样率。第一种方法需要产品升级换代，这里就需要考虑硬件成本。第二种方法则需要一套高效可靠的算法来提升图像分辨率。本专利技术就是针对第二种方法，提出一项增加图像保真度的技术。2
技术介绍
由于工艺技术局限方面和经济成本方面的考虑，很多成像设备采样率其实是大大低于设备最高光学分辨率的，这就造成低采样率问题。从而导致高频信号出现混叠(alias-ing)图像表现出模糊，马赛克化(也就是像素化，pixelation)等问题。前人的反混叠(anti-aliasing)技术已经用在哈勃空间望远镜(HST)的图像拼接上如Fruchter等人发展的Drizzle和iDrizzle技术。Drizzle的特点是速度快，但混叠信号并没有被完全反卷积出来，所以Drizzle只是图像在高分辨率网格下的单纯叠加，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，比如临界采样分辨率(简称临界采样率，criticalsamplin9)。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，缺点也很明显，就是耗费大量计算资源而且效果也不如后来我们发展的两套方法《细分有理曲面(正向)去像素化技术》(即DSRS，专利号：201510982531X)，《一种快速有效去像素化技术》(即fiDrizzle，专利号：201611173333X)，《FiDrizzle多次采样图像重建技术》(即FiDrizzle，专利号：201710307681X)和《铺装简单曲面多次曝光图像重建技术》(即TSSF，专利号：2017113212755)。《细分有理曲面(正向)去像素化技术》的思想是在跟观测图像像素相当的标准网格(或目标网格)上建立一群小的曲面(曲面参数未知)，然后用所有观测图像(或dither图像)来拟合这些曲面的参数。特点是速度较快，而且以后进行的对这群小曲面的任何观测都几乎相当于直接观测真实图像。《一种快速有效去像素化技术》即fiDrizzle，是去掉iDrizzle的滤波和插值过程并且直接在需要的分辨率上重建图像。特点是收敛速度快，计算速度快，稳定，而且图像在中低频比iDrizzle更加高保真。缺点是在某些情况下最高频率端的噪音比iDrizzle的结果大。《FiDrizzle多次采样图像重建技术》改进了fiDrizzle技术，一方面保持了fiDizzle的快速特点，另一方面又保持了iDrizzle在高频端的优势。《铺装简单曲面多次曝光图像重建技术》推广了DSRS技术到任意参数化铺装曲面，并且实现了自适应阶数拟合，从而更加智能化和节约运算资源。本专利技术还是使用类似fiDrizzle和FiDrizzle那样迭代反卷积的思想，但彻底抛弃Drizzle，转而使用快速迭代的平移叠加方法(FastiterativeShift-and-Add，FiSA)。并且在滤波过程使用二维分立小波变换(DiscreteWaveletTransform，DWT)来分解图像，而不是用快速傅立叶变换FFT。因为基于Drizzle的方法有可能使用像素收缩因子，像素收缩导致信号光子分配被人为分配到靠近每个像素中心的区域，会导致图像出现人为结构(artificialstructure)，多出现在高频区域。另外由于像素收缩导致像素顶点一分为四，这会引起切割多边形计算的引起计算量增加4倍。这些也是我们抛弃Drizzle的主要原因。Shift-and-Add只是在高分辨率网格上简单地移动观测图像到仪器记录位置并叠加起来，因而人为因素少，可靠性高，速度快。3
技术实现思路
3.1基于分立小波变换的快速迭代的平移叠加技术(FiSA)我们的目的是探索比FiDrizzle更好更快的方法。FiSA的步骤如下：Step1：把对准某区域观测K副震颤过的原始图像(ditheredimages)，{I1，I2，I3...IK}，用Shift-and-Add方法叠加到一个我们想要的高分辨率(但又不高于临界采样率)的标准网格上，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：对D1进行低通滤波，先通过DWT把图像D1变换到1阶小波空间，得到一个低频和三个高频部分，然后对三个高频部分进行低通滤波，最后再把滤波后的三个高频部分和原先的低频部分经过inverseDWT逆变换得到Step3：假设把滤波后的图像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K副Step4：把K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Step5：返回第一步Step1：，把残差图像当成原始图像再用Shift-and-Add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。Step6：继续之前的循环但只改一处地方，在Step3中，在第N次迭代的时候，循环到目标精度即停止。迭代结束后，我们就可以把输出当成最终结果了。对比FiDrizzle的步骤，我们的FiSA方法第一抛弃了Drizzle改用Shift-and-Add；第二滤波方法不同，把图像先进行小波分解之后再在高频部分进行低通滤波，低频部分保持不变。下面我们对Drizzle，fiDrizzle，FiDrizzle和FiSA四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。为了控制对比四种方法，我们首先把真实图像通过模拟观测得到一些低分辨率原始图像(ditheredimages)，然后我们用这四种方法对这些低分辨率原始图像进行图像重建，最后输出结果到相同分辨率下，即临界采样率下进行对比。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(由于CCD与CMOS所用的材质是硅(Si)和二氧化硅(SiO2)，而这两者在常温300K(开尔文)下的热膨胀系数分别为αSi＝2.5×10-6/K和是远远小于0.1％的)。3.2结果与比较实例一：我们使用著名的MissLena图像进行测试。我们对512×512的MissLena真实图像进行1/2×1/2倍分辨率的8次低采样率观测，包括不同的位移旋转。图1中，左侧是MissLena真实图像，而右侧是8副观测图像中的一副，分辨率已经降低4倍。图2是我们使用Drizzle，fiDrizzle，FiDrizzle和FiSA的重建结果，左上图是Drizzle的，右上图是fiDrizzle的，左下图是FiD本文档来自技高网...
【技术保护点】
1.基于平移叠加(Shift‑and‑Add)的迭代反卷积技术。
【技术特征摘要】
1.基于平移叠加(Shift-and-Add)的迭代反卷积技术。2.在基于平移叠加(Shift-and-Add)的迭代反卷积中使用二维小波变换...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。