The invention discloses a multi frame image super-resolution reconstruction method, which introduces the pilot control kernel regression method to the clustering stage and the regularization reconstruction process of the adaptive sparse learning model, making the two methods complementing the advantages and disadvantages, and forming a better performance reconstruction algorithm. The invention does not require motion registration, so there is no reconstruction error caused by registration error. It can obviously improve the quality of the reconstructed image and can be applied to the case involving any motion mode. Compared with the existing multi frame super-resolution reconstruction method based on learning, a simple and efficient integrated reconstruction model is provided, which combines the two methods of pilot control kernel regression and sparse learning. It can simultaneously use the global structure self similarity priori constraints, and the sparsity constraints for regression estimation, so that the image edges can be kept better. Edge details, reduce the high frequency distortion of the image, and at the same time, the motion amplitude is not limited, the application scenario is not limited, so that it can adapt to the complex application environment.
【技术实现步骤摘要】
一种多帧图像超分辨率重建方法
本专利技术属于图像处理
,涉及一种多帧图像超分辨率重建方法,特别涉及一种基于结构聚类和导控核回归正则化稀疏学习的多帧图像超分辨率重建方法。
技术介绍
分辨率是评价图像质量的重要指标之一,较高分辨率的图像,意味着能提供更丰富的细节信息,具有更好的视觉效果和图像质量。但在现实中,由于成像系统硬件条件的限制、再加上噪声、聚焦偏离等因素的影响,我们获得的图像往往分辨率低下、不能满足实际应用需求,且存在噪声、模糊等现象。图像超分辨率重建,能利用现有的设备,采用信号处理技术,通过软件手段突破成像系统固有的分辨率限制,由低分辨率图像,重建出具有较高分辨率的图像,达到改善图像质量和视觉效果的目的,在遥感、消费电子、生物医学、视频监控、机器视觉、军事等领域具有广阔的应用前景。与单幅图像超分辨率重建不同的是,多帧超分辨率重建的处理对象是具有相似背景的多幅低分辨率图像或视频帧,所以各帧间冗余信息的利用和融合是多帧超分辨率重建的关键,其重建效果也因此能超越单幅图像超分辨率重建。现有的多帧超分辨率重建方法多数属于传统的方法,一般包括图像配准(或运动估计)与融合重建两个主要步骤,通过图像配准(或运动估计)实现对不同帧之间相关信息的挖掘,以便后续的融合重建。因此,运动配准是传统多帧超分辨率方法的必经步骤。但运动配准往往计算量庞大,而且必然带来误差,配准误差会转化为重建误差,制约重建图像质量,特别当图像质量较低时,配准误差大,重建效果很差。另一方面,现有的配准方法假定帧间变换为某一类运动模式,即假定一定的空间变换模型,而实际的视频序列图像可能包含任意运 ...
【技术保护点】
1.一种多帧图像超分辨率重建方法,其特征在于,包括以下步骤:步骤1:对每一帧低分辨率观测图像Yl(l=0,1,...,L)执行插值算法,获得其初始高分辨率估计图像Zl,其中,L为低分辨率观测帧数目;步骤2:对所有高分辨率估计图像进行分块操作;步骤3:对所有图像分块进行结构聚类;步骤4:由聚类后的图像分块构建子字典;步骤5:构建结构相似图像分块子集;步骤6:建立全局导控核回归估计;步骤7:建立基于导控核回归正则化的稀疏重建目标函数;步骤8:通过交替迭代方法求解步骤7中的重建目标函数,获得新的高分辨率估计帧;步骤9:更新图像分块,重复步骤3至步骤8,直至达到迭代次数,获得最终的任意帧高分辨率重建图像。
【技术特征摘要】
1.一种多帧图像超分辨率重建方法,其特征在于,包括以下步骤:步骤1:对每一帧低分辨率观测图像Yl(l=0,1,...,L)执行插值算法,获得其初始高分辨率估计图像Zl,其中,L为低分辨率观测帧数目;步骤2:对所有高分辨率估计图像进行分块操作;步骤3:对所有图像分块进行结构聚类;步骤4:由聚类后的图像分块构建子字典;步骤5:构建结构相似图像分块子集;步骤6:建立全局导控核回归估计;步骤7:建立基于导控核回归正则化的稀疏重建目标函数;步骤8:通过交替迭代方法求解步骤7中的重建目标函数,获得新的高分辨率估计帧;步骤9:更新图像分块,重复步骤3至步骤8,直至达到迭代次数,获得最终的任意帧高分辨率重建图像。2.根据权利要求1所述的多帧图像超分辨率重建方法,其特征在于,步骤3的具体实现包括以下子步骤:步骤3.1:计算所有高分辨率估计图像分块zi的导控核向量wi,作为该图像分块的局部结构特征,其中,i是该图像分块的序号,1≤i≤N,N为图像分块数;步骤3.2:在所有导控核特征向量{wi}构成的特征空间中,执行无监督聚类算法,将所有导控核分为K类,其对应的高分辨率估计图像分块相应地也分为K类,其中,核特征距离定义为:其中,表示第k类导控核的类中心向量,1≤k≤K;类Ωk由第k类图像块的序号构成。3.根据权利要求2所述的多帧图像超分辨率重建方法,其特征在于:步骤4中,由聚类后的图像分块,通过最小化下面的目标函数,采用PCA方法构建子字典其中,是第k类图像块的均值向量,αi为字典系数。4.根据权利要求2所述的多帧图像超分辨率重建方法,其特征在于:步骤5中,对图像分块zi,构建结构相似的图像分块子集其中,zi,m是类中与zi结构相似度系数最大的第m个分块(包括分块zi自身,此时m=0),是图像分块zi所...
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。