[发明专利]一种基于像素强度的图像超分辨率重建方法

摘要

本发明公开了一种基于像素强度的图像超分辨率重建方法，具体按照以下步骤实施首先利用多幅低分辨率图像进行配准，把配准后的图像映射到高分辨率网格上；对于每个网格节点，构造一系列嵌套的邻域，搜索每个邻域内的低分辨率像素，定义每个低分辨率像素的强度平面，计算邻域内每个低分辨率像素到该强度平面的距离，并计算距离值的均方差，以均方误差的倒数作为权值加权平均，估计出高分辨率网格节点的像素值；最后采用最大后验概率(MAP)估计高分辨率像素值，本发明解决了现有技术中存在的因异常数据对估计值的影响而造成的难以提高重建质量的问题。

主权项

一种基于像素强度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、将低分辨率图像进行图像配准，具体为：对多幅低分辨率图像Ti(i＝1,2,…,N)进行峰值信噪比PSNR和特征相似性FSIMc质量评估，从中选择一副PSNR和FSIMc值最大的图像作为参考图像，设为T1，采用SIFT算法提取低分辨率图像中Ti(i＝1,2,…,N)的特征点pi，用特征点集合Pi分别表示如下：P1={p1,1,p1,2,...,p1,m1}P2={p2,1,p2,2,...,p2,m2}...PN={pN,1,pN,2,...,pN,mN}]]>上式中，每个特征点集合Pi中的mi分别为每个低分辨率图像Ti的特征点数目，其中i＝1,2,…,N，对参考图像T1中的每个特征点pi，计算其它低分辨率图像Ti(i＝2,…,N)中的所有特征点到参考图像T1的特征点的距离，距离表示如下：d(P1,P2)=Σj=1128(p1,t1,j-p2,t2,j)2...d(P1,PN)=Σj=1128(p1,t1,j-pN,t2,j)2]]>上式中，j表示128维SIFT特征的索引，t1＝1,2,...,m1，t2＝1,2,...,max(m2,m3,...,mN)，对上述距离进行升序排列，提取出上述距离中的最小距离d1和次小距离d2，并求出最小距离d1和次小距离d2的匹配比r，r＝d1/d2，当最小距离d1和次小距离d2的匹配比r>η时，η为阈值，说明参考图像T1中的该特征点和与其距离最近的特征点匹配成功，当最小距离d1和次小距离d2的匹配比r<η时，说明参考图像T1中的该特征点和与其距离最近的特征点匹配不成功，进而得到参考图像T1与低分辨率图像Ti(i＝2,…,N)对应的匹配点qimi的匹配点对Qi：Qi＝{qi,1,qi,2,…,qi,mi}   (2)式(2)中，mi为匹配点对的数目，对式(2)通过仿射变换公式，得到仿射变换参数：两幅图像之间的旋转角度θi和位移量Δxi、Δyi，仿射变换公式表示为：Q1＝RiQi+ΔDi   (3)式(3)中，Ri为2×2的旋转矩阵，ΔDi为2×1的平移向量，Ri和ΔDi分别表示为：θi为旋转角度，Δxi、Δyi分别为横坐标和纵坐标的位移量；步骤2、将所述步骤1得到的配准后的图像进行图像融合；步骤3、将所述步骤2得到的图像进行图像重建，得到最终的高分辨率像素值的图像，具体为：首先为所述步骤2中的每个高分辨率网格节点构造一个初始邻域进行曲面拟合，获得估计值，然后按步长扩大邻域范围再进行曲面拟合，获得估计值，最后用MAP方法估计高分辨率像素值，具体步骤如下：步骤(3.1)、邻域扩展：对于步骤2中映射到高分辨率网格上的图像，为每个网格节点选择初始邻域值b1和最大邻域值b2，步长设为0.1；步骤(3.2)、像素搜索：所述步骤(3.1)中的从b1开始到b2结束，对高分辨率网格上的节点进行邻域搜索得到K个邻域NBi(i＝1,2,…,K),根据b1、b2和步长的值得相对应的搜索的低分辨率像素个数记为mi(i＝1,2,…,K)；步骤(3.3)、建立像素强度平面：以高分辨率网格节点所在的XOY平面为图像平面，以垂直于XOY面的方向为Z轴，构造坐标系，对所述步骤(3.2)中的邻域NBi(i＝1,2,…,K)的每个低分辨率像素Lij(j＝1,2,…,mi)以其像素值的大小为高，平行于XOY坐标平面做平面，即得像素强度平面，记为Lij平面，如下式:是邻域NBi内的Lij的强度平面，为Lij的像素值；步骤(3.4)、计算像素强度：邻域NBi内像素Lit到像素Lij之间的距离定义为：Lit到Lij平面的距离，计算邻域NBi内除Lij之外的每个低分辨率像素到Lij的距离，即到Lij平面的距离：1≤k≤mi且k≠j(7)在邻域NBi内，计算均方误差，均方误差的计算式表示如下：均方误差越大表示该平面对高分辨率像素估计的影响越小，因此，令得到所有的ωj(j＝1,2,…,mi)之后，然后通过加权计算对应于邻域NBi的一个估计的像素值:步骤(3.5)、估计最大后验概率(MAP)：当所述步骤(3.4)中所有的被估计出来后，根据高斯假设，有：式(10)中，f0(Ph)是f(Ph)的先验估计，λ为经验参数，令公式(10)的梯度值为0，即得到高分辨率像素Ph的像素值:即最终得到高分辨率像素值的图像。