[发明专利]构造金字塔自学习的超分辨率重构方法

说明书

技术领域

本发明属于计算机视觉、图像处理领域，特别涉及一种构造金字塔自学习的超分辨率重构方法。

背景技术

超分辨图像(Super Resolution,SR)重构是由多张连续退化(Low Resolution,LR)图像重新构建高分辨率(High Resolution,HR)图像的一种图像重构技术。形成LR图像的原因是由于采样硬件条件的限制,加上各种退化因素(比如运动变形、光学模糊、随机噪声)的影响,原始采集图像与理想的图像目标的存在差异。由于动基座(如航空、航天、移动监控)光电测量领域中，光电测量设备的尺寸和重量都有严格的限制，如何在不改变现有硬件条件的情况下，提升获取更高图像分辨率的能力具有重要意义，如何利用现有分辨率序列图像信息重构出更高分辨率的图像具有重要的理论研究意义和广泛的实际应用价值。

传统的超分辨率算法在没有高分辨率图像时，需要对其模型进行先验假设，然后通过多幅低分辨率图像进行重构，这种先验假设可以通过估计或学习的方法来获得，但估计的结果往往与事实不符，而学习的方法通用性和实时性不强。

发明内容

本发明要解决现有技术中的技术问题，提供一种能够自学习得出高分辨率图像并具有较强的适应性的，构造金字塔自学习的超分辨率重构方法。

为了解决上述技术问题，本发明的技术方案具体如下：

一种构造金字塔自学习的超分辨率重构方法，包括以下步骤：

步骤1：将得到的原始图像序列进行配准，配准精度达到1像元以内；

步骤2：原始图像序列进行降采样，得到降采样图像序列；

步骤3：建立降采样图像与相邻帧图像的关系，将降采样图像像元与原始图像像元相对应，建立学习关系，由线性表达式进行表示：

phi,j=Σkωkplm,n]]>

其中，低分辨率图像像素值为高分辨率图像位置对应的邻域像元，ω_k为加权系数；

步骤4：求取ω_k即为高分辨率图像与低分辨率图像间的关系，使得：

ϵ=min||phi,j-Σkωkplm,n||2;]]>

步骤5：利用ω_k根据原始图像序列求得高分辨率图像序列。

在上述技术方案中，在步骤5中，在将图像块合并成一幅图像过程中，相匹配块采用平均融合方法。

在上述技术方案中，步骤5中，在得到最优估计后，先去模糊，然后结合全局重构约束，优化迭代得到结果：