[發明專利]一種圖像超分辨率重建方法及系統

有效

• 申請號: 201710238065.3
• 申請日: 2017-04-13
• 公開（公告）號: CN107025632B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 沈煥鋒;孫京;袁強強;周春平;李小娟;楊燦坤;郭姣
• 申請（專利權）人: 首都師范大學
• 主分類號: G06T3/40
• 分類號: G06T3/40
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 程華

1.一種圖像超分辨率重建方法，其特征在于，所述方法包括：

獲取具有互補信息的多幅低分辨率圖像的像素數據；

根據所述像素數據構建亮度恒定約束與梯度約束選擇性結合的數據一致性項；具體包括：

計算像素點的亮度恒定約束，所述亮度恒定約束計算公式為：

D_I(u,x)＝||I₂(x+u)-I₁(x)||；

其中I₁(x)表示參考低分辨率圖在x處的像素值，I₂(x+u)表示運動低分辨率圖在相對應的x+u處的像素值；

計算像素點的梯度約束，所述梯度約束計算公式為：

其中I₁(x)表示參考低分辨率圖在x處的像素值，I₂(x+u)表示運動低分辨率圖在相對應的x+u處的像素值，表示梯度；

利用平均場近似的方法整合二值變量α(x)，得到平均變量平均變量的計算公式為：

根據所述亮度恒定約束和所述梯度約束構建亮度恒定約束與梯度約束選擇性結合的數據一致性項，所述數據一致性項表示為：

其中，x表示像素點的二維坐標，u表示像素點的位移；

對匹配特征點進行初始流矢量更新，得到更新后的初始流矢量；

根據所述數據一致性項構造運動估計變分模型，將所述更新后的初始流矢量代入所述運動估計變分模型，計算得到各像素的最優運動流矢量；

構建基于L0范數的亮度與梯度聯合約束圖像先驗模型的模糊估計能量函數，根據所述模糊估計能量函數計算最優模糊核；

根據所述最優運動流矢量建立幾何運動位移矩陣，根據所述最優模糊核建立模糊矩陣；

根據所述幾何運動矩陣和所述模糊矩陣建立變分模型，采用預條件共軛梯度法對所述變分模型進行迭代計算，得到重建的高分辨率圖像。

2.根據權利要求1所述的方法，其特征在于，所述對匹配特征點進行初始流矢量更新，得到更新后的初始流矢量，具體包括：

對參考圖和目標圖進行檢測和匹配，得到多層匹配特征點i；

計算所述匹配特征點i的相應位移值作為其運動流矢量U_i；

計算以所述匹配特征點i為中心的5×5窗口內各像素在上一個粗尺度流估計中的流矢量U_j；

計算所述U_i與所述U_j的歐氏距離D_j＝||U_i-U_j||₂；

當所述窗口內所有像素計算的所述歐氏距離D_j的值大于1時，將所述匹配特征點i的所述流矢量U_i作為所述匹配特征點i所在層的更新流矢量；

對每一層的所述匹配特征點i進行初始流矢量更新，得到多層更新后的初始流矢量。

3.根據權利要求1所述的方法，其特征在于，所述根據所述數據一致性項構造運動估計變分模型，將所述更新后的初始流矢量代入所述運動估計變分模型，計算得到各像素的最優運動流矢量，具體包括：

根據所述數據一致性項構造所述運動估計變分模型，所述運動估計變分模型表示為：

其中，x表示像素點二維坐標，u表示像素點的位移，U(x)表示圖像的正則化先驗，γ表示正則化參數；

將所述更新后的初始流矢量代入所述運動估計變分模型，利用變量分割的方法，通過使能量函數最小化，逐像素的得到各像素的最優運動流矢量。