[發(fā)明專利]一種洛倫茲擬合模糊核的圖像超分辨重建方法

在審

• 申請?zhí)枺?/td>: 202011361613.X
• 申請日: 2020-11-27
• 公開（公告）號: CN112488919A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計(jì)）人: 黃國興;劉藝鵬;盧為黨;彭宏
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T5/50
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

一種洛倫茲擬合模糊核的圖像超分辨重建方法，針對圖像超分辨過程中現(xiàn)有的點(diǎn)擴(kuò)散函數(shù)形式無法有效近似實(shí)際退化過程，即與實(shí)際退化函數(shù)模型有著較大的近似誤差，直接影響了超分辨重建的最終效果。該方法充分考慮實(shí)際退化所形成的模糊效應(yīng)，采用洛倫茲函數(shù)的線性組合對實(shí)際退化所造成的模糊效應(yīng)進(jìn)行建模，并以最小均方誤差為準(zhǔn)則對圖像進(jìn)行超分辨重建。本發(fā)明采用四個參量來具體描述客觀的模糊過程會更加逼近于模糊的實(shí)際情況，通過理論分析及實(shí)驗(yàn)結(jié)果得到，該模型用于去模糊算法中，提高了圖像重建的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺處理相關(guān)領(lǐng)域，具體涉及一種洛倫茲擬合模糊核的圖像超分辨重建方法。

背景技術(shù)

隨著科技的不斷進(jìn)步和視覺處理技術(shù)的廣泛應(yīng)用，人們對圖像高質(zhì)量的需求也大大提升。圖像分辨率是衡量圖像精度和清晰度的關(guān)鍵，圖像分辨率與圖像清晰度有著直接關(guān)系。因此，如何提高圖像分辨率成為圖像處理領(lǐng)域的一個研究熱點(diǎn)。一幅高分辨率圖像可以提供具有更多細(xì)節(jié)信息，獲取圖像的分辨率越高，則圖像中包含的信息越豐富，這也是相關(guān)圖像的各種研究的基礎(chǔ)。提升成像設(shè)備的硬件條件是獲得高分辨率圖像最為直接有效的方法，但是目前如果單純的從硬件設(shè)備入手來提高圖像分辨率，CCD,CMOS等成像器件不但價格昂貴，而且這些成像器件改善效果已經(jīng)無法有更大的突破。因此，必須實(shí)現(xiàn)新的軟件手段來克服光學(xué)制造技術(shù)上的限制。

由于獲取圖像的設(shè)備的退化函數(shù)大部分是低通濾波器，這也就限制了所獲取的圖像截止頻率以上的相關(guān)信息，早期的超分辨率技術(shù)被定義為估計(jì)衍射極限以上的圖像的光譜信息的方法，其具體的理論支撐出自于解析延拓理論、信息疊加理論等，該方法以主要是線性解卷積和盲反卷積的手段。如今，“超分辨”拓展了其傳統(tǒng)的含義，它被廣泛定義為將一個或多個低分辨率圖像恢復(fù)為高分辨率圖像的技術(shù)。其根本目的是在不提高圖像采集設(shè)備硬件水平的情況下，利用相關(guān)算法融合單個圖像或一系列具有亞像素偏移的連續(xù)圖像中的先驗(yàn)知識，進(jìn)而重建高分辨率圖像。由于采用了數(shù)據(jù)軟處理的方式，實(shí)現(xiàn)成本遠(yuǎn)低于提高硬件水平。

對于低分辨率圖像，其退化模型描述了從實(shí)際場景收集的單個或多個低分辨率圖像的整體退化過程，因此超分辨率重建算法中退化模型的正確構(gòu)建非常重要。一個通用的簡化圖像退化模型為：

y＝Hx+N (1)

其中，N為成像時引入的噪聲，H為成像系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)(Point SpreadFunction,PSF)算子。由于大部分采集系統(tǒng)不理想，因此圖像在獲取的過程中會產(chǎn)生一些退化。例如，獲取到的點(diǎn)光源則不可能是與原來場景相同的點(diǎn)，會產(chǎn)生由點(diǎn)擴(kuò)散函數(shù)引起的模糊擴(kuò)散。點(diǎn)擴(kuò)散函數(shù)用于表現(xiàn)采集系統(tǒng)對原來高分辨率場景和圖像的退化過程，其由圖像采集系統(tǒng)決定。而且H往往是一個病態(tài)矩陣。常見的點(diǎn)擴(kuò)散函數(shù)有：高斯形式、Sinc形式等。

假設(shè)原始的高分辨率圖像經(jīng)過某種圖像退化(降質(zhì))過程得到一幅或多幅低分辨率圖像，則單幀圖像的退化模型可以表示為：

Y_k＝D_kB_kF_kX+N (2)

其中，Y_k是第k幅低分辨率圖像，X是原始的高分辨率圖像，D_k是下采樣因子，B_k是系統(tǒng)的模糊因子，包括式(1)中的點(diǎn)擴(kuò)散函數(shù)算子H，F(xiàn)_k是運(yùn)動因子，可以通過運(yùn)動估計(jì)方法來求得，N是噪聲。通常多個低分辨率圖像的退化過程是一樣的，所以可以將式(2)簡寫成：

Y_k＝DBF_kX+N (3)

低分辨率圖像數(shù)量不足和各種退化因素會導(dǎo)致圖像重建問題的病態(tài)特征。一般來說，無約束的最優(yōu)化方法解決這類問題是有效的。但是該方法的解不是唯一的，不穩(wěn)定的。為了解決最優(yōu)化問題的弊端，可以對最優(yōu)化方法添加約束條件來限制解的可取范圍，這種解決病態(tài)問題的帶有約束性質(zhì)的最優(yōu)化方法，稱為正則化方法。