[发明专利]步态识别中的超分辨率图像恢复方法

权利要求书

1、一种步态识别中的超分辨率图像恢复方法，其特征是，包括下列步骤：

运动估计：求得原低分辨率步态图像与多幅待融合步态图像之间的图像运动关系{m_k}_k＝1^K，k代表第k帧图像，K代表图像总帧数；

运用迭代后向投影算法进行处理：给出一个高解析度图像初始猜测值F⁽⁰⁾，即用固定有效网格划分所有低分辨率图像，每个在固定有效网格内的高分辨率像素由所有低分辨率像素的平均值堆栈得到；相应于低解析度图像输入{f_k}_k＝1^K给出一系列低解析度模拟图像{f_k⁽⁰⁾}_k＝1^K；之后将求得的图像差别{f_k-f_k⁽⁰⁾}_k＝1^K反馈到F⁽⁰⁾接收域；进而改进高解析度初始猜测值F⁽⁰⁾，产生新的模拟的高解析度图像F⁽¹⁾；之后重复该过程得到模拟的高解析度图像F⁽ⁿ⁺¹⁾，n为迭代次数。

2、根据权利要求1所述的一种步态识别中的超分辨率图像恢复方法，其特征是，迭代后向投影算法，包括下列具体步骤：

降采样和几何变换；

后向投影；

模糊估计；

插值采样和逆几何变换。

3、根据权利要求1所述的一种步态识别中的超分辨率图像恢复方法，其特征是，迭代后向投影算法，包括下列具体步骤：

(1)从迭代n＝1开始，输入源低解析度图像f⁽⁰⁾；

(2)对低解析度图像进行双线性插值，获得高解析度图像初始猜测F⁽⁰⁾；

(3)采用fk(n)=(TK-1(F(n))*h)↓s]]>获得低解析度的模拟图像；

(4)采用F(n+1)=F(n)+1KΣk=1KTK-1(((fk-fk(n))↑s)*p)]]>获得高解析度的模拟图像F⁽¹⁾；

(5)之后n＝n+1，进行下一次的迭代；

(6)如果n≤N返回步骤(3)，否则停止；

前式中：f_k为低解析度模拟图像，f_k⁽ⁿ⁾为n次迭代后模拟观察图像亦为低解析度模拟图像，F⁽ⁿ⁺¹⁾、F⁽ⁿ⁾分别为第n+1次和第n次的迭代后产生的模拟的高解析度图像，↑s和↓s分别为插值采样和降采样算子，s为相应的倍数，^*为卷积符号，p为反向投影核，T_K^-1为逆几何变换，h是估计实际成像系统的传输函数即模糊算子，N为迭代次数。

4、根据权利要求3所述的一种步态识别中的超分辨率图像恢复方法，其特征是，迭代次数的确定是由如下公式，使误差最小，计算得出：

e(n)=1KΣk=1K||fk-fk(n)||2,]]>式中：e⁽ⁿ⁾代表误差。