[发明专利]一种基于Contourlet变换的图像超分辨率重建方法

说明书

技术领域

本发明涉及图像处理领域，具体涉及一种基于Contourlet变换的图像超分辨率重建方法

背景技术

图像的超分辨率重建对后续特征的提取和分析是非常有用的。超分辨率重建方法将低分辨率的图像重建为高分辨率的图像，在重建过程中，增强了高频分量，即超分辨率重建获得了图像的细节信息。Contourlet变换是方向性的多尺度图像表示，可以有效获取图像的多方向特征，可以检测图像的奇异点。Contourlet变换包括两个步骤：LP(Laplacian pyramid)和DFB（directionalfilter banks)。LP步骤将图像迭代分解为高通和低通的子带频段，DFB将分解得到的高频子带分解为多方向的频带。和小波变换相比，Contourlet变换具有相似的多尺度结构，并且在每一个尺度下有多个方向的表示。

图像超分辨率重建方法包括插值方法、基于学习的方法和统计方法。插值方法是一种普遍的超分辨率重建方法，但是该方法并没有利用图像的几何信息，图像的边缘细节信息难以重现。基于学习的方法需要更多的图像以得到高低分辨率图像的对应关系，而这些依赖于图像训练库。基于统计的方法需要图像的统计特性分布，而且对不同的图像需要建立不同的统计模型。

发明内容

为避免现有技术的不足，本发明提出了一种基于contourlet变换的图像超分辨率重建方法，以解决在已知一幅低分辨率图像的情况下，利用初始的高分辨率估计图像和contourlet变换，获取图像在频域的多尺度多方向特征，实现高频信息的有效估计，获得边缘更加清晰的超分辨率图像。

本发明的目的通过以下技术方案来实现。

一种基于Contourlet变换的图像超分辨率重建方法，该方法包括如下步骤：

1）对已知的低分辨率图像x_L通过进行三尺度[2,2,3]的contourlet变换，获得变换后的系数s：s₃、s₂、s₁；对已知的低分辨率图像x_L通过进行三尺度[2,2,4]contourlet变换，获得变换后的系数t：t₃、t₂、t₁。假设理想高分辨率图像x_H的四尺度[2,2,3,4]contourlet变换系数是u：u₄、u₃、u₂、u₁。因为s₁和u₁统计分布相似，所以可以利用s₁估计s₀。

2）对低分辨率图像x_L插值方法，获得初始的高分辨率估计图像对进行四尺度Contourlet变换，获得变换后的系数β：β₄、β₃、β₂、β₁，的Contourlet变换要比x_L多一个尺度。

3）利用x_L的多尺度频带t₁和x_H多尺度统计分布的相似关系，其中x_H表示理想的超分辨率图像，估计出的多尺度频带的统计分布关系，估计出x_L的未知尺度s₀高频信息，最终形成[2234]尺度。

4）将估计出x_L的未知尺度高频信息s₀和x_L的原有的尺度信息[s₃，s₂，s₁，s₀]相结合，即将s₀作为s的高频信息，形成[s₃，s₂，s₁，s₀]。对[s₃，s₂，s₁，s₀]进行Contourlet反变换，获得重建的高分辨率图像。

本发明的优点在于：

1.只需要一幅低分辨率图像即可实现超分辨率重建，不需要训练库。

2.算法复杂度低，不需要多次迭代运算。

3.能够有效超分辨率重建图像，图像的边缘更加清晰。

附图说明

图1Contourlet变换分解流图；

图2Contourlet频带分解示意图；