The invention discloses an integrated method of image restoration and matching based on a distance weighted sparse representation priori, which includes: estimating the fuzzy kernel by using the constraint of the degenerate image and the initial clear image to the fuzzy kernel and the regularization of the gradient operator, and obtaining the estimation of the fuzzy kernel; estimating the fuzzy kernel by using the estimation of the fuzzy kernel and the dictionary D to the initial clear image. The constraints are used to estimate the initial clear image and get the clear image estimation; the sparse expression coefficient vector estimation of the clear image estimation in the dictionary set is obtained by using the distance weighted sparse expression algorithm; the initial location of the target image and the target image in the reference image is obtained by iterating the above steps A times; and the reference image is reduced. After the range of the image, the restored image and the location result of the target image are obtained by the above method. The invention effectively solves the problems existing in the existing blurred image restoration and matching methods, such as being sensitive to noise, bad restoration effect and serious influence on matching task, and is suitable for visual navigation system.
【技术实现步骤摘要】
基于距离加权稀疏表达先验的图像复原与匹配一体化方法
本专利技术属于模式匹配
,更具体地,涉及一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法。
技术介绍
在视觉导航系统中,需要利用实时获取的地面场景图像与存储在机载计算机上的参考图像进行比较,以确定高速飞行器的位置。由于图像匹配精度高,因此可以利用这种精确的位置信息提高导航系统的定位精度。然而,获取的通常是退化的图像,如低分辨率和图像模糊。这样将给匹配和定位带来很大的挑战。因此,对模糊图像的校正匹配技术成为高速飞行器导航系统中的一大关键。现有的对模糊图像进行匹配与定位的方法主要包括两类:(1)对于退化程度较低的图像,直接使用匹配或者稀疏表达的方法进行定位。(2)首先进行图像修复以获得更好的图像质量,然后利用恢复的图像进行定位。然而,这些方法存在很多的缺陷。针对第一类的方法,如果图像质量退化严重,那么匹配与定位的精度会严重降低;针对第二类的方法,许多图像恢复方法的设计仅仅是为了改善人类的视觉感知,而不是机器感知,因此不能提高定位精度。更糟糕的是,当退化模型是未知的,一般的恢复方案,如去模糊,在真实图像上的表现并不好。由此可见,现有技术存在图像质量低,导致定位精度低的技术问题。
技术实现思路
针对现有技术的以上缺陷或改进需求,本专利技术提供了一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法,由此解决现有技术存在图像质量低,导致定位精度低的技术问题。为实现上述目的,本专利技术提供了一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法,包括:(1)以步长a截取参考图像得到字典集,利用距离加权的稀疏表 ...
【技术保护点】
1.一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法,其特征在于,包括:(1)以步长a截取参考图像得到字典集,利用距离加权的稀疏表达算法,得到退化图像在字典集中的初始化稀疏表达系数向量,利用初始化稀疏表达系数向量和字典集对退化图像进行复原,得到退化图像的初始清晰图像;(2)利用退化图像和初始清晰图像对模糊核的约束与梯度算子正则化来估计模糊核,得到模糊核的估计;(3)利用模糊核的估计和字典D对初始清晰图像的约束来估计初始清晰图像,得到清晰图像估计;(4)采用距离加权的稀疏表达算法,得到清晰图像估计在字典集中的稀疏表达系数向量估计;(5)利用步骤(3)得到的清晰图像估计更新步骤(2)中的退化图像,然后对步骤(2)‑(4)进行A次迭代,得到目标图像和目标稀疏表达系数向量,根据目标稀疏表达系数向量中的最大值得到目标图像在参考图像中的初始定位;(6)以初始定位为新的参考图像的中心,以目标图像的长宽分别加上步长a作为新的参考图像的长宽,从参考图像截取新的参考图像,将新的参考图像作为步骤(1)中的参考图像,重复步骤(1)‑(5),得到目标图像的复原图像和目标图像在参考图像中的定位结果。
【技术特征摘要】
1.一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法,其特征在于,包括:(1)以步长a截取参考图像得到字典集,利用距离加权的稀疏表达算法,得到退化图像在字典集中的初始化稀疏表达系数向量,利用初始化稀疏表达系数向量和字典集对退化图像进行复原,得到退化图像的初始清晰图像;(2)利用退化图像和初始清晰图像对模糊核的约束与梯度算子正则化来估计模糊核,得到模糊核的估计;(3)利用模糊核的估计和字典D对初始清晰图像的约束来估计初始清晰图像,得到清晰图像估计;(4)采用距离加权的稀疏表达算法,得到清晰图像估计在字典集中的稀疏表达系数向量估计;(5)利用步骤(3)得到的清晰图像估计更新步骤(2)中的退化图像,然后对步骤(2)-(4)进行A次迭代,得到目标图像和目标稀疏表达系数向量,根据目标稀疏表达系数向量中的最大值得到目标图像在参考图像中的初始定位;(6)以初始定位为新的参考图像的中心,以目标图像的长宽分别加上步长a作为新的参考图像的长宽,从参考图像截取新的参考图像,将新的参考图像作为步骤(1)中的参考图像,重复步骤(1)-(5),得到目标图像的复原图像和目标图像在参考图像中的定位结果。2.如权利要求1所述的一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法,其特征在于,所述步骤(1)包括:(1-1)以步长a截取参考图像得到字典集D,D=[i1,i2,...,im],其中,im为以步长s截取参考图像得到的第m张图片;(1-2)利用距离加权的稀疏表达算法,得到退化图像在字典集中的初始化稀疏表达系数向量α,α≥0,其中,y为描述退化图像的矩阵,λ为稀疏项权重,dist表示距离加权的稀疏表达;(1-3)利用初始化稀疏表达系数向量和字典集对退化图像进行复原,得到退化图像的初始清晰图像,x=Dα,其中,x为描述初始清晰图像的矩阵。3.如权利要求1或2所述的一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法,其特征在于,所述模糊核的估计为:其中,x为描述初始清晰图像的矩阵,为模糊核的估计,y为描述退化图像的矩阵,γ...
【专利技术属性】
技术研发人员:桑农,李亚成,林伟,邵远杰,高常鑫,李乐仁瀚,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北,42
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。