[发明专利]基于运动随机曝光的超分辨率成像系统及方法

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种超分辨图像成像系统与方法，主要应用于超分辨图像的获取和重建。

背景技术

超分辨率图像在移动通信、图像和视频压缩技术、社会安全、视频监控、图形渲染、图像修复、生物认证、卫星和天文图像、高清电视的领域有着广泛的应用。获得超分辨率图像的途径主要有两大类，第一类方法是直接提高传感器的精度来获得高分辨率图像，由于受到加工工艺和制造材料的限制，这类方法实现难度大、成本高，且容易带来散粒噪声使图像质量受到严重影响。为克服这些缺点，另一类方法是利用一幅或者多幅低分辨率图像，通过相应的算法来获得一幅清晰的超分辨率图像，这就是所谓的超分辨图像重建。超分辨图像重建技术近年来吸引了国内外学者的广泛关注。

尽管超分辨图像重建具有非常巨大的应用价值和市场前景，也已经有一些信号处理的方法被用于超分辨率图像重建，但这种从低分辨率图像恢复超分辨图像的过程仍然是一件非常困难的事情，尤其是对于超高分辨率图像的重建，更加难以实现。目前，国内外在这一领域的理论和应用研究仍处在探索阶段。

近年来，一种新的信号处理理论——Compressive Sensing(CS)理论的出现为超分辨图像重建技术带来了新的思路，有望获得更好的重建效果。CS理论的主要思想是：假设一长度为N的信号x在某个正交基或紧框架Ψ上的系数是稀疏的，即只有少数的非零系数，如果将这些系数投影到另一个与变换基Ψ不相关的观测基Ф：M×N，M＜＜N上，得到观测集合y：M×1。那么信号x可以凭借这些观测值通过求解下面的优化问题而精确恢复。

min ||Ψ^Tx||₁  s.t.  ФΨ^Tx＝y

对于自然信号来说，其分解系数一般不具备严格稀疏特性。不过如果我们将系数{θi=ΨiTx}1≤i≤N]]>按照绝对值大小排序使得|θ₁|≥|θ₂|≥…|θ_N|，那么这些系数往往满足|θ_n|≤C·n^-α，C和α是常数。于是通过解上述优化问题得到的恢复值依然可以很好的逼近原信号x。

作为一种新生的理论，CS理论最初主要侧重理论上的证明和描述，在被提出后，Donoho等人在研究了大量的实验数据，给出了在实际应用中上式参数的取值。事实上，对于一个K项-稀疏(K＜＜N)长度为N的信号仅仅需要投影到另一个不相关基上的K+1个系数就可以以高概率被重构。然而，这么做需要进行组合搜索，计算复杂度相当高。Candès和Donoho近来提出一种可行的基于线性规划的重构方法，论证了只使用对信号的cK个观测值，c＝3或者4利用线性规划的方法就可以得到和组合搜索相同的解。另一类基于贪婪思想的迭代算法也已被提出，它以更多的观测数量作为代价达到了更加快速重构的目的。CS理论的引人之处在于它对于应用科学和工程的许多领域具有重要的影响和实践意义，如统计学、信息论、编码理论、计算机科学理论及其它理论。

据CS理论，在一定条件下，可以从低采样率获得的很少观测值来重建超高分辨率图像。利用这一特点，已经有人开发出了几种基于CS理论的成像仪，例如单像素相机、CMOS压缩成像系统、Coded-Aperture成像系统等。然而这些系统都存在共同的缺点：结构复杂，实现困难。这些缺陷限制了它们的应用。能否设计一种简单易实现且成本较低的方法来进行超分辨图像的获取和重建成为亟待解决的问题。

发明内容

本发明目的在于克服传统技术的不足，提供一种实现复杂度低、成本低的基于运动随机曝光的超分辨率成像系统及方法，以实现超分辨图像的获取和重建。