[发明专利]基于多尺度几何分析的图像超分辨率重建方法

摘要

本发明公开一种基于多尺度几何分析的图像超分辨率重建方法，步骤包括步骤1、利用降质模型生成低分辨率图像；步骤2、图像配准；步骤3、图像融合；步骤4、获得重建图像。本发明的方法，对平移、旋转、尺度缩放以及噪声等具有优良的不变性，对仿射变换、视角变化等也保持一定的稳定性，使得边缘信息保持清晰、相对平滑；算法具有稳定性，并具有较低的计算复杂度，空间目标成像、遥感成像、医学成像、层析成像等众多领域具有广泛的应用前景。

主权项

一种基于多尺度几何分析的图像超分辨率重建方法，其特征在于，具体按照以下步骤实施：步骤1、利用降质模型生成低分辨率图像从观测图像中选取连续三帧普通分辨率图像I1、I2和I3，利用下列模型进行退化处理，得到相应的低分辨率图像T1、T2和T3：Tk＝D·B·M·Ik+n＝H·Ik+n，式中，k＝1,2,3，D、B、M、n分别为下采样算子、混淆算子、运动模糊算子、噪声算子；步骤2、图像配准对于待配准的图像Tk，k＝1,2,3，选其中信噪比最大的一帧图像T1作为参考帧，利用SIFT算法提取图像特征点，设Tk的特征点集合分别为：P1={p1,1,p1,2,...,p1,m1},]]>P2={p2,1,p2,2,...,p2,m2},]]>P3={p3,1,p3,2,...,p3,m3},]]>其中，mk为对应于Tk的特征点数目，分别计算集合P1与P2、P1与P3中的特征点间的欧氏距离：d(p1,j1,p2,j2)=Σi=1128(p1,j1i-p2,j2i)2,j1=1,2,...,m1,j2=1,2,...,m2]]>d(p1,j1,p3,j3)=Σi=1128(p1,j1i-p3,j3i)2,]]>其中，j1＝1,2,...,m1，j2＝1,2,...,m2，j3＝1,2,...,m3，找出P1与P2中特征点间的最小欧氏距离d1与次小欧氏距离d2，定义距离比率为r＝d1/d2，定义配准准则为：其中η为由实验得到的阈值，如果距离比率大于阈值即认为匹配成功，否则认为匹配失败；对T3做同样的处理，得到配准后图像分别为：T2′＝M1·T2，T3′＝M2·T3，其中，M1、M2均为运动补偿矩阵；步骤3、图像融合对配准后的图像进行Contourlet变换，即Ck＝C(Tk′)，其中，C(·)为轮廓波运算，假设匹配后待重建图像Tk′经过Contourlet变换后的低频系数记为如下式所示：Xkg=xk,1,1gxk,1,2g...xk,1,jgxk,2,1gxk,2,2g...xk,2,jg............xk,i,1gxk,i,2g...xk,i,jg,]]>其中k＝2,3，低频系数的个数为l＝i*j，记第s个尺度第τ个方向子带的高频系数为共有高频系数h＝p*q个，Yks,τ=yk,1,1s,τyk,1,2s,τ...yk,1,qs,τyk,2,1s,τyk,2,2s,τ...yk,2,qs,τ............yk,p,1s,τyk,p,2s,τ...yk,p,qs,τ,s=1,2,...,g]]>对于Contourlet变换后所得的低频系数，采用加权平均法进行处理，得到逆变换的低频系数，第k帧匹配后待重建图像Tk′经过Contourlet变换后的低频系数为ωk为权重系数，且满足则最终选择作为Contourlet逆变换的低频系数为对于Contourlet变换后所得的高频部分按以下原则进行融合：分别比较相应的每个尺度每个方向子带上所对应高频系数方差的大小，取方差最小的系数作为相应尺度相应方向逆变换的高频系数，即采用表示第s个尺度第τ个方向子带高频系数的平均值，该平均值表达式为：Yks,τ‾=1p·qΣi=1pΣj=1qYk,i,js,τ,]]>采用表示第s个尺度第τ个方向子带高频系数的方差，该方差表达式为：即为第s个尺度第τ个方向子带Contourlet逆变换的高频系数，令：G=G1,1G21,1000...0G1,2G2,2G3,2G22,20...0..................G1,gG2,gG3,gG4,gG5,g...G2g,g,]]>其中Gs,τ表示最终选择作为逆变换的第s个尺度第τ个方向子带的高频系数，G为各方向各尺度系数矩阵，其中行表示方向子带的方向索引，列表示尺度索引，用低频系数L和每个尺度每个方向的高频系数G进行Contourlet逆变换，即I'＝C‑1(L,G)，C‑1(·)为轮廓波逆变换运算，I'即为融合图像；步骤4、获得重建图像对得到的融合图像I'进行双三次插值运算得到I”，对I”进行双边滤波处理，得到重建图像II。