一种含噪图像超分辨率方法技术

本发明专利技术涉及一种含噪图像的超分辨率方法，所述方法主要包括以下步骤：输入一张低分辨率含噪图像I；对图像I进行简单插值，获得低分辨率测试图像的初步估计

【技术实现步骤摘要】
一种含噪图像超分辨率方法
本专利技术涉及图像超分辨率领域，尤其涉及一种含噪图像超分辨率方法。
技术介绍
受成像设备(数码相机、手持摄像机等)物理条件限制，获取的数字图像往往分辨率低且包含噪声。其中，数字图像的分辨率是衡量图像质量优劣的重要指标之一，分辨率越高，说明图像越清晰，能提供的信息越丰富。在一定程度上，图像分辨率的增高伴随着像素个数的增加。为提高图像的分辨率，现有的技术手段大多通过已获图像(下面简称“低分辨率图像”)内部的像素，对高分辨率图像其内部的新增像素信息进行估计。这类技术手段统称为图像超分辨率。然而，在处理含噪图像时，目前常用的技术手段极少考虑噪声在此过程中的变化，其默认做法为，先对含噪低分辨率图像进行超分辨率处理，并对已提高分辨率的图像采用图像处理领域中已有的图像去噪技术，进行噪声去除。为了估计高分辨率图像中新增的未知像素，Yang提出了一种利用回归技术的图像超分辨率算法。该方法将低分辨率图像进行一系列非线性操作，从而构建出包含低分辨率图像和高分辨率图像的训练图像集，以及待处理的低分辨率测试图像，并将训练图像、测试图像划分成一组有重叠区域的图像块。借助低分辨率图像块和与之对应的高分辨率图像块，该方法结合回归技术和泰勒展开，获得不同分辨率图像块间的映射函数，并将其作用到测试图像块上，以获得相应的高分辨率图像块。在映射函数的求取过程中，泰勒展开的阶数决定该函数的精度，即阶数越高，映射函数的精度越高，所产生的高分辨率图像块越准确。然而，高阶的泰勒展开会增加映射函数的求取难度。因此，Hu基于此提出了一种二阶泰勒展开的映射函数求解。然而，在处理含噪图像时，这两种方法极易加强噪声的空间联系、引起噪声幅度放大，从而加大了后续去噪的难度，使得最终结果的质量受到严重影响。另一方面，对于图像去噪算法而言，当前常用的处理思路为：对于含噪图像中的每一个像素点，其像素真值可通过以该像素为中心的邻域内部所有含噪像素的灰度值进行加权平均得到。加权权重的计算方式则是这类思路的核心，通常涉及多个内部参数的取值。由于参数取值设置大多较为主观，基于这类思路的去噪算法无法保证在所有图像上都具有较强的去噪能力。近年来，有学者在分析图像多尺度金字塔时发现，当金字塔的顶层图像包含噪声时，随尺度的变小，各层图像内部包含的噪声幅度也逐渐降低。利用多尺度图像金字塔其内部噪声随图像尺度的下降而降低这一特性，提出了一种新的图像去噪方法，避免了内部参数对图像去噪能力的影响。在该方法中，如何选择最佳的图像缩小尺度，是影响去噪程度和细节保持的重要因素。该方法通过估计金字塔中各层图像与顶层图像间的噪声相关性的期望值，可实现对各层图像去噪能力的描述。然而，该方法并没有给出估计各层图像内的所含噪声的具体方式。事实上，对金字塔各层图像噪声幅度的估计也是一个较为困难问题。噪声估计的准确性直接影响该方法中噪声相关性期望值的精度。综上，如何解决现有技术在进行数字图像的超分辨率过程中，容易造成图像噪声放大，从而难以处理含噪图像的不足，已成为图像超分辨率领域亟需解决的问题。
技术实现思路
针对现有技术之不足，本专利技术提出一种含噪图像超分辨率方法，所述方法包括：步骤1：输入一张低分辨率含噪图像I；步骤2：以所述低分辨率含噪图像I为基础生成低分辨率测试图像Lk+1：步骤21：对所述低分辨率含噪图像I进行插值操作，获得关于低分辨率测试图像的初步估计图像步骤22：基于所述初步估计图像分别生成横向多尺度图像金字塔、纵向多尺度图像金字塔和对角方向多尺度图像金字塔；步骤23：利用所述横向多尺度图像金字塔、所述纵向多尺度图像金字塔和所述对角方向多尺度图像金字塔，获得关于所述初步估计图像的去噪估计图像，所述去噪估计图像即为低分辨率测试图像Lk+1；步骤3：对所述低分辨率含噪图像I进行高斯模糊操作，获得模糊图像Lk；步骤4：将所述低分辨率含噪图像I和所述模糊图像Lk划成大小为s×s的图像块，分别构成训练集高分辨率图像块集合P＝{p}和训练集低分辨率图像块集合Q＝{m}，将所述低分辨率测试图像Lk+1划分成重叠的大小为s×s的图像块，构成测试集低分辨率图像块集合R＝{n}；步骤5：对于训练集中的每一对{m，p}，通过泰勒展开和回归分析技术，求解从图像块m到图像块p的映射函数f；步骤6：对于测试集中的低分辨率图像块n，在所述训练集低分辨率图像块集合Q上寻找与所述图像块n最相似的图像块m，将所述图像块m对应的映射函数f作用到所述图像块n上，获得相应的高分辨率图像块估计q；步骤7：用步骤6的方法遍历所述测试集低分辨率图像块集合R中所有的图像块n，获得每个所述图像块n对应的高分辨率图像块估计q，最终的高分辨率图像H为所有所述高分辨率图像块估计q在像素重叠部分的算术平均。根据一种优选的实施方式，步骤22具体包括步骤：步骤221：对所述初步估计图像进行高斯模糊；步骤222：对经步骤221模糊后的图像进行下采样操作，获得下采样图像步骤223：对所述下采样图像重复高斯模糊和横纵坐标两方向的下采样操作，得到第一下采样图像，所述第一下采样图像的集合构成对角方向多尺度图像金字塔；步骤224：对所述下采样图像重复高斯模糊和横坐标方向的下采样操作，得到第二下采样图像，所述第二下采样图像的集合构成横向多尺度图像金字塔；步骤225：对所述下采样图像重复高斯模糊和纵坐标方向的下采样操作，得到第三下采样图像，所述第三下采样图像的集合构成纵向多尺度图像金字塔。根据一种优选的实施方式，步骤23的去噪估计方法为：步骤231：对所述初步估计图像中的每一个大小为s×s的图像块k，其去噪估计如下：设所述图像块k中心像素坐标为(x,y)，在对角方向多尺度图像金字塔的每一层图像上，选出以(rdx,rdy)为中心的大小为s×s图像块kd。类似地，横向多尺度图像金字塔上的图像块kd其中心像素的坐标为(x,rdy)，纵向多尺度图像金字塔上的图像块kd其中心像素的坐标为(rdx,y)。则所述图像块k的去噪估计满足如下表达式：其中，用于衡量kd与k间的相似性，σ2rd-1用于表示kd内部的噪声含量，λ＝0.5，满足式(1)最小化的kd则为k的去噪估计图像块；步骤232：遍历所述初步估计图像中所有的图像块k，由步骤231获得其去噪估计图像块，从而得到低分辨率测试图像Lk+1。与现有技术相比，本专利技术的有益效果在于：1、本专利技术的技术方案弥补了现有技术在处理含噪图像时，容易出现噪声放大的不足，使得重建后的图像噪声得到很好的抑制，达到了更好的去噪效果。2、本专利技术采用经验公式得到金字塔内各层图像噪声幅度的估计。并设计出了一个代价函数，对其的优化有助于选择出最佳的金字塔图像缩小尺度，将该尺度对应的图像块用于超分辨率重建，便可抑制噪声对超分辨率过程的影响。3、本专利技术不仅更好的消除了噪声，并且相比现有去噪算法相比，根据重建图像的客观评价指标，可以得到重建图像的细节也较为丰富，本专利技术重建的图像结构和原高分辨率图像更接近。附图说明图1是本专利技术超分辨率方法的流程图；图2是低分辨率含噪图像；图3是低分辨率含噪图像的初步估计图像；图4是横向多尺度图像金字塔；图5是纵向多尺度图像金字塔；图6是对角方向多尺度图像金字塔；图7是低分辨率含噪图像I的低分辨率测试图像Lk+1；本文档来自技高网...

【技术保护点】
一种含噪图像超分辨率方法，其特征在于，所述方法包括：步骤1：输入一张低分辨率含噪图像I；步骤2：以所述低分辨率含噪图像I为基础生成低分辨率测试图像Lk+1：步骤21：对所述低分辨率含噪图像I进行插值操作，获得关于低分辨率测试图像的初步估计图像

【技术特征摘要】
1.一种含噪图像超分辨率方法，其特征在于，所述方法包括：步骤1：输入一张低分辨率含噪图像I；步骤2：以所述低分辨率含噪图像I为基础生成低分辨率测试图像Lk+1：步骤21：对所述低分辨率含噪图像I进行插值操作，获得关于低分辨率测试图像的初步估计图像步骤22：基于所述初步估计图像分别生成横向多尺度图像金字塔、纵向多尺度图像金字塔和对角方向多尺度图像金字塔；步骤23：利用所述横向多尺度图像金字塔、所述纵向多尺度图像金字塔和所述对角方向多尺度图像金字塔，获得关于所述初步估计图像的去噪估计图像，所述去噪估计图像即为低分辨率测试图像Lk+1；步骤3：对所述低分辨率含噪图像I进行高斯模糊操作，获得模糊图像Lk；步骤4：将所述低分辨率含噪图像I和所述模糊图像Lk划成大小为s×s的图像块，分别构成训练集高分辨率图像块集合P＝{p}和训练集低分辨率图像块集合Q＝{m}，将所述低分辨率测试图像Lk+1划分成重叠的大小为s×s的图像块，构成测试集低分辨率图像块集合R＝{n}；步骤5：对于训练集中的每一对{m，p}，通过泰勒展开和回归分析技术，求解从图像块m到图像块p的映射函数f；步骤6：对于测试集中的低分辨率图像块n，在所述训练集低分辨率图像块集合Q上寻找与所述图像块n最相似的图像块m，将所述图像块m对应的映射函数f作用到所述图像块n上，获得相应的高分辨率图像块估计q；步骤7：用步骤6的方法遍历所述测试集低分辨率图像块集合R中所有的图像块n，获得每个所述图像块n对应的高分辨率图像块估计q，最终的高分辨率图像H为所有所述高分辨率图像块估计q在像素重叠部分的算术平均。2.如权利要求1所述的含噪图像超分辨率方法，其特征在于，步骤22具体包括步骤...

【专利技术属性】
技术研发人员：胡靖，吴锡，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川,51