【技术实现步骤摘要】
本专利技术属于计算机图像处理
,涉及一种单幅图像的超分辨率重建方法。
技术介绍
随着智能视频图像处理技术和网络技术的飞速发展,在视频监控、卫星遥感成像、军事侦察、医学成像、多媒体娱乐等应用领域都需要高分辨率图像。在获取视觉图像过程中,由于系统像差、散焦、空气的扰动和噪声的存在,获得的图像或序列往往存在一定的降质或退化,如变形、模糊、降采样或含噪等。为了获取高分辨率图像,最直接最有效的方法是提升硬件成像设备的分辨率级别,即增加传感器单位面积元件密度。一方面减小单元像素尺寸,从而增加传感器单元密度,提高图像分辨率。但是随着像素尺寸的减小,相应的入射光就会减少,往往会导致散粒噪声的出现,图像质量下降。另一方面可以增大传感器的设计尺寸,从而增加单位面积上的像素个数以提高图像分辨率。然而随着尺寸的增加,传感器电容增多,图像传输性急剧下降,导致图像视觉效果变差,边缘出现模糊现象等。在实际应用中,通过改变硬件成像设备分辨率来提高图像质量的方法,不仅经济成本高,而且硬件系统更换复杂性较高,不具有实时性。更值得注意的是,在智能视频监控,卫星遥感成像等场合,由于受成像环境和相机与被拍摄目标之间的相对运动等因素影响,即使使用高分辨率成像设备仍然不能获取满足实际应用要求的图像。随着信息处理技术和计算机技术的发展,针对硬件成像设备限制的问题,研究学者们从图像退化的角度考虑,提出了通过数字信号处理方法对图像进行软件处理以提高图像分辨率,这种方法称之为图像超分辨率重建(SuperResolutionReconstruction,SRR)。该方法是在不改变现有硬件成像条件的前提下 ...
【技术保护点】
一种基于边缘差异约束的单幅图像超分辨率重建方法,其特征在于所述方法包括以下三个步骤:步骤1,通过Gabor滤波器提取训练图像的纹理主方向特征,并对特征图像分块和K‑means聚类,针对每一类图像块进行主成分分析字典训练,得到能够反映图像的纹理特征的训练字典;步骤2,在步骤1中得到的训练字典基础上,利用该字典下低分辨率图像和重建高分辨率图像对应退化图像之间的边缘差异分布,构建一种基于边缘差异约束的图像超分辨率重建模型,并通过迭代阈值收缩对其进行求解,得到具有较好边缘结构的初始重建高分辨率图像;步骤3,利用步骤2中得到的初始重建高分辨率图像的图像块之间的方向梯度直方图描述算子、空间距离、像素强度和边缘方向信息,建立一种非局部结构张量优化模型,对初始高重建高分辨率图像进一步优化后处理,得到具有显著边缘结构及丰富细节信息的最终重建高分辨率图像。
【技术特征摘要】
1.一种基于边缘差异约束的单幅图像超分辨率重建方法,其特征在于所述方法包括以下三个步骤:步骤1,通过Gabor滤波器提取训练图像的纹理主方向特征,并对特征图像分块和K-means聚类,针对每一类图像块进行主成分分析字典训练,得到能够反映图像的纹理特征的训练字典;步骤2,在步骤1中得到的训练字典基础上,利用该字典下低分辨率图像和重建高分辨率图像对应退化图像之间的边缘差异分布,构建一种基于边缘差异约束的图像超分辨率重建模型,并通过迭代阈值收缩对其进行求解,得到具有较好边缘结构的初始重建高分辨率图像;步骤3,利用步骤2中得到的初始重建高分辨率图像的图像块之间的方向梯度直方图描述算子、空间距离、像素强度和边缘方向信息,建立一种非局部结构张量优化模型,对初始高重建高分辨率图像进一步优化后处理,得到具有显著边缘结构及丰富细节信息的最终重建高分辨率图像。2...
【专利技术属性】
技术研发人员:龚卫国,唐永亮,陈雪梅,李伟红,易前娥,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆;50
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。