[发明专利]一种基于曲面拟合的图像超分辨率重建方法

说明书

本发明结合邻域扩展和曲面拟合技术来完成图像超分辨率重建方法，包括对每个高分辨率网格节点构建一系列嵌套的邻域；然后对每一个邻域根据像素强度值剔除异常低分辨率像素；对保留的低分辨率像素进行曲面拟合，得到待估计的高分辨率网格节点位置的一个采样值，最后运用最大后验概率，对这一系列的采样值估计该网格节点的高分辨率像素值。本方法不需要迭代，不用考虑收敛问题，有效降低了计算复杂度。

技术领域

本发明属于计算机图像处理领域，涉及一种应用于航空和卫星影像，特别是一种基于曲面拟合的图像超分辨率重建方法。

背景技术

图像分辨率是图像质量评价关键性的一项指标，简单来说就是成像系统对图像细节分辨能力的一种度量，也是图像中目标细微程度的指标，它表示景物信息的详细程度。然而，目前许多成像系统，如红外成像仪和CCD照相机等，在采集图像过程中，受其固有传感器阵列排列密度的限制，图像的分辨率不可能很高；同时欠采样效应又会造成图像的频谱交叠，使获取的图像因变形效应而发生降质。另一方面，由于大气扰动、景物与摄像机之间的相对运动等，也使成像产生模糊，降低了图像的分辨率。如果采用增加传感器阵列采样密度的办法来提高图像分辨率和消除变形效应，可能会付出昂贵的代价或者面临很难克服的技术困难。

多图超分辨率重建的目的是利用多幅低分辨率观测图像获得高分辨率图像，大多数情况下，各幅图像之间的运动位移量是未知的，需要精确估计低分辨率图像之间的位移关系。估计位移关系的过程称为运动估计，或称为图像配准。低分辨率图像之间的运动估计是序列图像超分辨率重建的关键，运动估计精度直接影响重建效果。但在一些实际的应用中，要获取同场景的图像序列是比较困难的，如在局部战争条件下，战场环境瞬息万变，给军事侦察提出了更高的要求，在这种情况下，要想获得同一场景的序列图像非常困难。另一方面，由于多图超分辨率算法对低分辨率图像序列之间的运动位移往往有很高的要求(必须是亚像素级别的运动位移)，而在许多实际应用中，即便获得同场景的图像序列，但由于不同图像间的重合部分少(如航空和卫星影像等)，无法满足图与图之间存在微小差异的前提要求，故在这种情况下序列图像超分辨率算法也不具有可行性。

发明内容

有鉴于此，本发明的主要目的在于提供一种应用于航空和卫星影像这类重合部分少的图像的超分辨率重建技术。

为达到该目的，本发明采用如下技术方案，一种基于曲面拟合的图像超分辨率重建方法，包括以下步骤：

(1)获取低分辨率(Low-resolution，LR)图像序列，通过相机阵列系统拍摄获得m幅低分辨率图像y_p,p＝1,2,...,m，采用的图像成像模型为：y_p＝DH_pW_pu+e_p,p＝1,2,...,m，其中m为正整数，y_p为第p幅低分辨率图像，u为待估计高分辨率图像，W_p、H_p与D分别为形变矩阵、模糊矩阵和降采样矩阵，e_p为加性噪声；

(2)图像配准，采用基于SURF(Speeded Up Robust Features)图像配准算法求解一系列低分辨率图像与参考帧之间的运动估计参数，然后利用所述运动估计参数，将一系列低分辨率图像插值映射到高分辨率网格上；

(3)超分辨率图像重建，对所述高分辨率网格上节点利用邻域扩展搜索一系列嵌套的邻域，在每个邻域剔除异常点后，利用曲面拟合技术，估计出列采样值，最后用最大后验概率估计出高分辨率像素值，获得高分辨率图像。

较佳的，所述图像配准，包括如下步骤：

21)选择参考图像，从所述低分辨率图像y_p,p＝1,2,...,m中选取一幅峰值信噪比(PSNR)最大的图像作为参考帧；

22)预设配准规则，采用SURF算法提取特征点集合表示如下：