[发明专利]基于压缩感知的红外行人图像超分辨率重建方法及系统

说明书

本发明公开了一种基于压缩感知的红外行人图像超分辨率重建方法及系统，方法包括：将高分辨率和低分辨率两个红外探测器相邻放置面对同一场景，采集相同场景下高低分辨率两种类型图像，低分辨率图像利用线性插值放大至与高分辨图像相同大小，然后将图像分割成图像块，分别构建高低分辨率字典的训练样本集；提取图像特征，使用相同的稀疏编码算法来对高、低分辨率图像块的特征进行训练，获得高、低分辨率字典，使得高分辨率图像块和低分辨率图像块在各自对应字典的表征下具有相同的稀疏表示；对输入的低分辨率红外行人图像提取特征，在低分辨率字典表征下获得图像的稀疏表示；通过步得到的图像的稀疏表征和高分辨率字典进行重建，得到高分辨率图像。

技术领域

本发明涉及图像超分辨率重建领域，尤其涉及一种基于压缩感知的红外行人图像超分辨率重建方法及系统。

背景技术

红外成像技术具有抗干扰和识别能力强的特点，在视频监控、医学检测和工业检测领域有着广泛和深入的应用。当前红外成像应用中，大多数采用小面阵的红外探测器采集图像。然而，随着应用范围的不断扩展，小面阵红外成像设备采集到的低分辨率红外图像难以满足日益增长的应用需求。因此，提高红外成像的图像分辨率具有十分重要的现实意义。采用大面阵的红外探测器是最直接有效的方法，由于技术水平的限制，国内的大面阵探测器性能与国外的存在一定的差距，国外的往往价格高昂，出于设备成本的考虑，难以广泛采用；通过图像处理的方法提高图像的分辨率是另一种手段，能够在现有设备条件下通过软件算法的方式提升图像质量。过去十年，压缩感知理论在图像处理领域的应用取得了许多瞩目的成果。借鉴压缩感知先进理论的图像超分辨率算法，可以显著提高图像的质量，具有十分重要的现实意义。

图像的超分辨率重建技术按照原理划分可分为三类：基于插值、基于重构和基于学习的方法。基于插值的方法实现简单，运算速度快，但是其难以恢复成像时丢失的高频信息，因而成像质量较差；基于重构的方法是对相同场景的多幅低分辨率图像在空间域或者变换域重建出高分辨率图像，该类方法对图像采集有一定要求，其应用具有一定得局限性；而基于学习的超分辨重建算法是通过训练集获取低分辨率图像与高分辨率图像之间的映射关系，在已知低分辩图像的条件下，利用该映射关系求解最优值，即高分辨率图像。

压缩感知理论给出了从低维信号高精度地恢复出原始的高维信号的方法。将压缩感知与图像超分辨相结合可以高质量的、高效的从低分辩图像重建出高分辨率图像，实现利用现有红外成像设备，获取高分辨行人图像的目标。

发明内容

本发明要解决的技术问题在于针对现有红外成像设备成像分辨率低的问题，提供一种基于压缩感知的超分辨率重建方法，将采集到的低分辨率红外行人图像重建成为高分辨图像。

本发明解决其技术问题所采用的技术方案是：

提供一种基于压缩感知的红外行人图像超分辨率重建方法，包括以下步骤：

S1、训练样本的收集和预处理，将高分辨率和低分辨率两个红外探测器相邻放置面对同一场景，采集相同场景下高低分辨率两种类型图像，低分辨率图像利用线性插值放大至与高分辨图像相同大小，然后将图像分割成图像块，分别构建高低分辨率字典的训练样本集；

S2、高分辨率字典与低分辨率字典的训练，提取图像特征，使用相同的稀疏编码算法来对高、低分辨率图像块的特征进行训练，获得高、低分辨率字典，使得高分辨率图像块和低分辨率图像块在各自对应字典的表征下具有相同的稀疏表示；

S3、对输入的低分辨率红外行人图像提取特征，在低分辨率字典表征下获得图像的稀疏表示；

S4、通过步骤S3得到的稀疏表征和高分辨率字典进行重建，得到高分辨率图像。

接上述技术方案，所述高分辨率为640×512，低分辨率为320×256。

接上述技术方案，步骤S1具体为：