一种超分辨率图像重建方法及系统技术方案

本发明专利技术公开一种超分辨率图像重建方法。该重建方法包括：获取多幅低分辨率图像；将低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像，结构部分表示低分辨率图像的整体框架，纹理部分表示低分辨率图像的细节部分；根据低分辨率结构图像，获得高分辨率结构图像；将低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像；根据高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像；采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。本发明专利技术通过采用图像融合的方法和迭代反投影法，获得高分辨率图像，提高了图像超分辨率重建效果。

A super-resolution image reconstruction method and system

The invention discloses a super resolution image reconstruction method. The reconstruction methods include: obtaining multiple low resolution images, decomposing low resolution images into structural and texture parts with RTV model, obtaining low resolution structure images and low resolution texture images. The structure part represents the whole frame of low resolution image, and the texture part represents the detail part of low resolution image. High resolution structure images are obtained from low resolution structure images, and high resolution texture images are obtained by combining low resolution texture images with joint training methods. Based on high resolution structure images and high resolution texture images, high resolution images are obtained by image fusion method, and iterative back projection is used. The high resolution image is obtained by multiple correction of the fusion high resolution image. The invention obtains high resolution images by adopting image fusion method and iterative backprojection method, and improves the super resolution reconstruction effect of the image.

【技术实现步骤摘要】
一种超分辨率图像重建方法及系统
本专利技术涉及图像重建领域，特别是涉及一种超分辨率图像重建方法及系统。
技术介绍
超分辨率图像重建是指用一幅或多幅低分辨率图像通过算法转化成高分辨率图像的技术。目前，超分辨率图像恢复重建主要分为基于插值、基于重建和基于学习的方法。基于插值的方法主要只有双线性插值法和双三次插值法，插值算法的重建效果有限，细节部分不丰富，图像比较模糊。基于重建的方法有迭代反投影法、凸集投影法和最大后验概率估计法，需要多幅高低分辨率图像样本进行训练获得先验知识，虽然能够有效引入先验信息而获得超过单帧插值法的超分辨率效果，但是配准误差的敏感性，可用图像的有限性等限制了重建算法的性能。基于学习的超分辨率方法主要是对大量的高低分辨率图像样本进行训练最终获得图像的先验知识，再对图像进行超分辨率重建。上述方法对图像的超分辨率重建的效果都比较差，获得图像不清晰。
技术实现思路
本专利技术的目的是提供一种能够提高图像超分辨率重建效果的超分辨率图像重建方法及系统。为实现上述目的，本专利技术提供了如下方案：一种超分辨率图像重建方法，所述重建方法包括：获取多幅低分辨率图像。将所述低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像，所述结构部分表示所述低分辨率图像的整体框架，所述纹理部分表示所述低分辨率图像的细节部分。根据所述低分辨率结构图像，获得高分辨率结构图像。将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像。根据所述高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像。采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。可选的，所述根据所述低分辨率结构图像，获得高分辨率结构图像具体包括：将所述低分辨率结构图像采用插值滤波的方法计算所述结构部分，获得高分辨率结构图像。可选的，所述将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像具体包括：将所述低分辨率的图像采用K-SVD字典学习方法计算所述纹理部分，获得高分辨率字典和低分辨率字典。将所述高分辨率字典和所述低分辨率字典采用基于1范数的同伦法算法恢复，获得高分辨率纹理图像。为了实现上述目的，本专利技术还提供了如下方案：一种超分辨率图像重建系统，所述重建系统包括：低分辨率图像获取模块，用于获取多幅低分辨率图像。分解模块与所述低分辨率图像获取模块连接，所述分解模块用于将所述低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像。高分辨率结构图像获取模块与所述分解模块连接，所述高分辨率结构图像获取模块用于根据所述低分辨率结构图像，获得高分辨率结构图像。高分辨率纹理图像获取模块与所述分解模块连接，所述高分辨率纹理图像获取模块用于将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像。融合模块分别与所述高分辨率纹理图像获取模块和所述高分辨率结构图像获取模块连接，所述融合模块用于根据所述高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像。修正模块与所述融合模块连接，所述修正模块用于采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术公开了一种超分辨率图像重建方法及系统，根据所述高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像；采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像，提高了图像超分辨率的重建效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的超分辨率图像重建方法的流程图；图2为本专利技术提供的超分辨率图像重建系统的结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的目的是提供一种能够提高图像超分辨率重建效果的超分辨率图像重建方法及系统。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如图1所示的一种超分辨率图像重建方法的流程图，所述重建方法包括：步骤100：获取多幅低分辨率图像，由于人眼对图像的亮度分量很敏感，首先将所述低分辨率图像分为YCbCr三个通道，然后选取Y通道分量的所述低分辨率图像。步骤200：将所述低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像，所述结构部分表示所述低分辨率图像的整体框架，所述纹理部分表示所述低分辨率图像的细节部分，使用迭代的方法对所述低分辨率图像进行分解，减少所述低分辨率结构图像中的全变分，直到得到稳定的结构部分和纹理部分。迭代的具体方法包括：其中，j表示迭代的次数，fm,n表示输入所述低分辨率图像在位置(m，n)处的像素值，wm,n是窗函数的系数，Im,n(j)表示第j次迭代的输出的所述低分辨率结构图像，ε(j)表示随着j增大逐渐变小的一个小数，λ1表示平衡系数；随着迭代次数的增加，Im,n(j)逐步趋于稳定，即ε1为极小数，此时，迭代终止，输出所述低分辨率结构图像Im,n(j+1)和所述低分辨率纹理图像fm,n-Im,n(j+1)，符号表示卷积运算，表示求矢量的散度。步骤300：根据所述低分辨率结构图像，获得高分辨率结构图像，采用插值滤波的方法处理所述低分辨率结构图像，获得所述高分辨率结构图像。滤波插值函数为其中函数sinc(x)＝sin(x)/x，β1＝3，σ1是一个和窗口大小相关的参数，插值的运算公式：其中，s(i,j)表示输入的所述低分辨率的结构图像，S(x,y)表示输出的高分辨率的结构图像。步骤400：将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像。步骤500：根据所述高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像。所述融合高分辨率图像Ih＝C1*Ihc+C2*Iht+C3*▽2Iht；其中，Ihc表示所述高分辨率结构图像，Iht表示所述高分辨率纹理图像，C1＝0.4,C2＝0.6,C3＝0.1。步骤600：采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。将所述融合高分辨率图像Ih进行下采样和滤波后得到融合低分辨率图像I′，滤波器函数为B(x,y)＝exp((-x2-y2)/(2σ))；x和y为-5到5的整数，σ表示滤波程度，σ＝1；将融合低分辨率图像I′和所述低分辨率图像进行差值运算得到误差图像ΔI；将所述误差图像ΔI放大处理得到高分辨率的差值图像ΔIh；对所述融合高分辨率图像Ih进行修正，fH(i+1)＝fH(i)+μ*ΔIh；其中，i表示迭代次数，μ＝0.2，fH(0)＝Ih，能够降低高分辨率放大的误差。所述步骤300：本文档来自技高网...

【技术保护点】
1.一种超分辨率图像重建方法，其特征在于，所述重建方法包括：获取多幅低分辨率图像；将所述低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像，所述结构部分表示所述低分辨率图像的整体框架，所述纹理部分表示所述低分辨率图像的细节部分；根据所述低分辨率结构图像，获得高分辨率结构图像；将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像；根据所述高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像；采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。

【技术特征摘要】
1.一种超分辨率图像重建方法，其特征在于，所述重建方法包括：获取多幅低分辨率图像；将所述低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像，所述结构部分表示所述低分辨率图像的整体框架，所述纹理部分表示所述低分辨率图像的细节部分；根据所述低分辨率结构图像，获得高分辨率结构图像；将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像；根据所述高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像；采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。2.根据权利要求1所述的一种超分辨率图像重建方法，其特征在于，所述根据所述低分辨率结构图像，获得高分辨率结构图像具体包括：将所述低分辨率结构图像采用插值滤波的方法计算所述结构部分，获得高分辨率结构图像。3.根据权利要求1所述的一种超分辨率图像重建方法，其特征在于，所述将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像具体包括：将所述低分辨率的图像采用K-SVD字典学习方法计算所述纹理部分，获...

【专利技术属性】
技术研发人员：端木春江，汪宇，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：浙江,33