[發明專利]一種基于分數階微分的模糊圖像超分辨率重構方法

有效

• 申請號: 201710524404.4
• 申請日: 2017-06-30
• 公開（公告）號: CN107424121B
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 陳長寶;杜紅民;侯長生;孔曉陽;王茹川;郭振強;鄖剛;王磊;王瑩瑩;肖進勝
• 申請（專利權）人: 中原智慧城市設計研究院有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40
• 代理公司: 鄭州德勤知識產權代理有限公司 41128
• 代理人: 黃紅梅

本發明提供一種基于分數階微分的模糊圖像超分辨率重構方法，包括以下步驟：步驟1，對原始圖像集依次做高斯模糊和下采樣處理，獲得輸入圖像序列；步驟2，從輸入圖像序列中選取任意一幀輸入圖像進行雙三次插值放大，得到原始參考幀；步驟3，采用自適應分數階微分算法對輸入圖片序列中每幀輸入圖像和原始參考幀做圖像增強處理；步驟4，通過SIFT匹配，計算每幀輸入圖像與原始參考幀間的運動矩陣，尋找原始參考幀上的點在每幀輸入圖像上的對應點；步驟5，計算原始參考幀上的點與每幀輸入圖像上對應點間的殘差，通過殘差反迭代投影修正，不斷調整原始參考幀上的點的像素值，直至滿足預設條件時停止。

技術領域

本發明涉及一種圖像超分辨率重構方法，具體的說，涉及了一種基于分數階微分的模糊圖像超分辨率重構方法。

背景技術

隨著計算機技術和機器視覺技術的發展，關于圖像超分辨率的該方法有了長足的發展，并在許多領域有著重要的應用，如多媒體、安防監控和醫學領域。

目前，圖像超分辨率算法主要可分為三類：基于插值理論的方法、基于學習的方法，以及基于重構和增強理論的方法；其中，基于插值理論的方法計算量小、速度快、但是會伴隨著大量的信息丟失和模糊，在模糊圖像的超分辨率中無法正常完成目標。基于學習的圖像超分辨率效果雖然較好，但是其對外部數據庫的依賴較大，在沒有良好且充足的數據庫的情況下不能有效達成目的，其運算量也使其應用受到限制。而現有的基于重建或增強的方法大多對于模糊圖像的超分辨率都沒有足夠的魯棒性。

為了解決以上存在的問題，人們一直在尋求一種理想的技術解決方案。

發明內容

本發明的目的是針對現有技術的不足，從而提供了一種基于分數階微分的模糊圖像超分辨率重構方法。

為了實現上述目的，本發明所采用的技術方案是：一種基于分數階微分的模糊圖像超分辨率重構方法，包括以下步驟：

步驟1，對原始圖像集依次做高斯模糊和下采樣處理，獲得輸入圖像序列；

步驟2，從輸入圖像序列中選取任意一幀輸入圖像進行雙三次插值放大，得到原始參考幀；

步驟3，采用自適應分數階微分算法對輸入圖片序列中每幀輸入圖像和原始參考幀做圖像增強處理；

步驟4，通過SIFT匹配，計算每幀輸入圖像與原始參考幀間的運動矩陣，尋找原始參考幀上的點在每幀輸入圖像上的對應點；

步驟5，計算原始參考幀上的點與每幀輸入圖像上對應點間的殘差，通過殘差反迭代投影修正，不斷調整原始參考幀上的點的像素值，直至滿足預設條件時停止。

基于上述，步驟3中所述的自適應分數階微分算法包括以下步驟：

步驟3.1，以0.01為步長，分別對圖像做0.01～0.99階分數階微分增強，并分別計算增強后的清晰度指標，選取清晰度指標的最大值A和最小值B，計算此二值的幾何平均值

步驟3.2，選取與此幾何平均值最接近的清晰度指標，將此清晰度指標所對應的分數階微分階數作為自適應分數階微分階數。

基于上述，步驟4中所述的SIFT匹配計算運動矩陣具體包括以下步驟：

步驟4.1，計算每幀輸入圖像的SIFT特征點，并尋找該SIFT特征點在原始參考幀上的對應點；

步驟4.2，根據SIFT特征點在每幀輸入圖像上的坐標信息以及其對應點在原始參考幀上的坐標信息，使用RANSAC法計算每幀輸入圖像的SIFT特征點與其對應點的仿射矩陣，每幀輸入圖像的所有SIFT特征點與其對應點的仿射矩陣即為每幀輸入圖像和原始參考幀的運動矩陣。

基于上述，步驟5具體包括以下步驟：