【技术实现步骤摘要】
一种提高红外图像分辨率的方法及其用途
本专利技术涉及红外图像分辨率提升
技术介绍
近年来,红外热成像技术因其具有便捷、非接触等优点在电网中得到普遍应用。通过对电力系统中各电力设备进行红外检测,获取电力设备表面温度的分布图后再结合一定的图像处理手段即可判断出该电力设备的运行状态。避免了工作人员与电力设备的直接接触,实现对设备的带电检测,能及时发现设备的潜在隐患;另外,还可以推动电力系统运行维护的数字化和智能化,通过计算机视觉技术实现故障的自动诊断,而非传统的人工诊断。然而由于大规模装设红外传感器的成本问题,只能采用低精度红外传感器对设备进行监测,因此需要对低精度红外传感器采集到的低分辨率图像进行超分辨率重建,得到的高分辨率图像能对后续图像分割、故障定位等技术的实施提供有利条件。常用图像超分辨率方法可分为三类,即基于插值的方法、基于建模的方法和基于学习的方法。其中基于插值的方法中,最邻近法、双线性、和双三次等代表性的方法都是利用周边点的信息得到待估计点的值,这样简单的估计方式会导致图像出现模糊、锯齿、边缘不清晰和丢失细节等问题。基于建模方法中经典的迭代反向投影法难以引入先验知识,且结果不稳定。基于学习的方法需要大量的训练样本,前期模型训练需要大量高清图像以及高性能硬件设备支持,且重建得到的高分辨率图像可能出现假纹理,这一缺陷会对红外监测、诊断过程中进行的图像分割、目标识别及故障定位等操作产生极为不利的影响。
技术实现思路
本专利技术要解决的技术问题是提供一种提高红外图像分辨率的方法及 ...
【技术保护点】
1.一种提高红外图像分辨率的方法,其特征在于:所述方法基于改进分块压缩感知理论的支持,包括以下步骤:/na.建立原始压缩感知图像超分辨率基础模型,令二维图像信号为X,将其像素点自左至右,自上至下依次排列展开后化为一维高分辨率图像信号x∈R
【技术特征摘要】
1.一种提高红外图像分辨率的方法,其特征在于:所述方法基于改进分块压缩感知理论的支持,包括以下步骤:
a.建立原始压缩感知图像超分辨率基础模型,令二维图像信号为X,将其像素点自左至右,自上至下依次排列展开后化为一维高分辨率图像信号x∈Rn;增加稀疏变换矩阵Ψ对一维高分辨率图像信号x进行稀疏变换,则,基于压缩感知理论,建立原始压缩感知图像超分辨率基础模型:
式中:为稀疏信号;Φ为采样矩阵;y∈Rm为一维低分辨率图像信号,且n>>m;矩阵Ψ为下述中的任意一种:傅里叶基、余弦基、小波基、稀疏基,人工构造的过完备字典;
b.引入图像降质模型,根据图像降质原理引入图像降质模型:
式中:Y为低分辨率图像;X为高分辨率图像;h为模糊核;为卷积运算;↓为下采样过程,多为三次插值下采样矩阵或点采样矩阵;η则为噪声;
c.建立改进压缩感知图像超分辨率模型,将图像降质原理引入原始压缩感知超分辨率模型后得到改进压缩感知超分辨率模型为:
式中:C为点采样矩阵;H为根据模糊核h构建的模糊矩阵;D为稀疏字典;
其中,稀疏字典D是采用K-SVD字典训练法生成的针对所采集对象的红外图像过完备字典;
模糊矩阵H的构建方式为:
通过生成循环Toeplitz矩阵的方式,将模糊核h与二维图像信号X间的卷积运算,转换为便于利用压缩感知理论计算的模糊矩阵H与一维高分辨率图像信号x间的矩阵乘法运算,即将转换为Hx。转换过程为:
设退化图像大小与X相同,均为M×N。模糊核h因其多为方阵且行列数为奇数,大小记为L×L,故设l=(L-1)/2为模糊核半径;则有离散化的退化模型:
式中:首先对h(i,j)进行补零延拓为将X(i,j)和h(i,j)进行周期延拓,令其成为周期为M和N的周期函数;
将矩阵G(i,j)和X(i,j)自左至右,自上至下依次排列展开后,以分别得到长度为MN的一维模糊的高分辨率图像信号g和一维高分辨率图像信号x;进一步将的离散化退化模型转换为g=Hx,进而可定义MN×MN大小的模糊矩阵H为:
式中:
上述转换方式中对X和h进行了延拓,在对X和h进行延拓前,首先要对X补零,X补零方式为:
式中:0≤i≤M+2l-1且0≤j≤N+2l-1,在完成对红外图像的超分辨率重建后,将图像补零位置重建像素点删除,即可得到重建图像;
离焦模糊的点扩散函数建模为二维高斯函数,模糊核选择为各向同性的高斯模糊核;核函数表达式为:
式中:0≤i,j≤L-1;
d.建立基于改进分块压缩感知理论的超分辨率图像重建目标函数,基于如式(3)所示的结合压缩感知理论与图像降质模型提出的高分辨率图像与低分辨率图像关系式,建立超分辨率图像重建模型并提出两步全变分稀疏迭代(Two-stepTotalVariationSparseIteration,TwTVSI)优化求解算法;
基于图像降质原理的压缩感知超分辨率...
【专利技术属性】
技术研发人员:王艳,王龄婕,刘秉聪,
申请(专利权)人:华北电力大学保定,
类型:发明
国别省市:河北;13
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。