[发明专利]一种边缘保持的红外图像重建方法

说明书

技术领域

本发明属于图像重建处理技术领域，具体是一种边缘保持的红外图像重建方法。

背景技术

红外热成像具有分辨率低、对比度低、成像模糊和噪声明显等特点，在红外成像中，分辨率越高代表图像携带的信息量越多，意味着图像的纹理、边缘等细节信息越丰富，视觉效果越好。

科技的迅猛发展与社会的巨大进步，随之而来的是各领域对高分辨率红外图像的迫切需求。高密度的焦平面红外探测器是获取高分辨率红外图像最直接有效的方式，然而，目前半导体制作工艺水平有限，现有探测器阵列密度往往较低，成像分辨率低，无法满足高分辨率需求。例如在军事侦查领域，受侦测目标距离远以及红外探测器阵列密度的限制，很难获取到高分辨率红外图像，对打击目标的识别能力和识别精准度受限；在医学领域，低分辨率的红外人体热像图无法给出精确的病变发热位置，医生诊断不了发病的详情；在公共安全领域，当异常情况发生时，红外成像提取到的人物体态、车牌号等关键性的信息，视频分辨率有限，可识别性低，无法为案件的侦破提供帮助等。因此，超分辨率图像重建技术应运而生。

超分辨率重建技术是在不改变探测器硬件现状的情况下利用低分辨率图像序列重建获得高分辨率图像的技术。该技术采用光学成像机制与计算机处理相结合的方式，在较低的成本代价下，实现高分辨率红外成像，是目前图像处理领域的热点。占美全等人在《基于L1范数的总变分正则化超分辨率图像重建》中采用L1范数对重建图像保真度进行约束,利用总变分正则化克服重建问题的病态性，代价函数为算法不仅具有良好的抗噪声性能，而且计算量小，计算简单，但重建图像的边缘、纹理等细节高频信息受到明显的平滑抑制，重建图像模糊、灰暗不明；基于L2范数保真项以及总变分正则化项的重建代价函数为由于L2范数认为所有的用于重构的图像信息的价值是相同的，在最终产生的重建图像中，图像信息的贡献也是相同的，因此图像中的像素奇异值在重建过程中传播，基于L2范数的重建图像的边缘细节等信息得到还原，但存在噪声明显的缺陷，重建后图像的信噪比不高，视觉效果不理想；考虑到单独使用L1范数估计算子或L2范数估计算子都存在缺陷与不足，于是李银辉等人在《基于L1和L2混合范式的序列图像超分辨率重建》提出同时滤除高斯噪声和脉冲噪声的问题，重建代价函数为采用混合范式的图像重建算法在减小数据拟合项估计误差的同时一定程度上提升了重建算法的抗噪能力，然而应用于对比度低下、边缘细节信息不丰富的红外图像重建时，很难做到保持红外图像的边缘细节信息，重建结果图像边缘纹理缺失，视觉效果不理想。

综上所述，现有红外探测器阵列的感光单元密度已无法满足现代军事、工业、医疗、生活等各方面获得高分辨率红外图像的需求。在不改变探测器感光单元密度的前提下，超分辨率重建方法在实现获取高分辨率图像上，具有理论和实验结果上的双重肯定。但该技术目前应用于红外成像领域仍不成熟，实现起来困难重重，需要我们更加深入细致地研究，因此在红外领域开展边缘保持的超分辨率图像重建方法研究具有十分重要的意义。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种保护重建图像的边缘、纹理等细节信息，改善重建图像视觉效果的边缘保持的红外图像重建方法。本发明的技术方案如下：

一种边缘保持的红外图像重建方法，其包括以下步骤：

1)、在用于重建的原始低分辨率图像序列信息中提取图像高频信息成分 Y_{k(high-frequency)}；

2)、对提取到的高频信息成分Y_{k(high-frequency)}进行基于L2范数估计算子的超分辨率重建算法处理，得到高频信息成分所对应的高分辨率图像X_{high-freqency}；

3)、对原始低分辨率图像序列信息进行基于L1范数估计算子的超分辨率算法重建，得到原始重建的高分辨率图像X_original；

4)、将步骤2)的高频信息重建的X_{high-freqency}与步骤3)的原始重建高分辨率图像X_original采用灰度值直接叠加的方法进行信息融合，获得最终的重建高分辨率图像。

进一步的，所述步骤1)中提取图像高频信息成分Y_{k(high-frequency)}采用的是采用三次插值采样因子来获取图像序列中的高频信息，具体公式如下，

Y_{low-frequency}＝(Y_kB_kD↓)D↑D↑，