[发明专利]一种图像超分辨率重建方法

说明书

本发明公开一种图像超分辨率重建方法，在超分辨率稀疏重建的基本框架下，引入了二维稀疏表示模型，使得能够有效利用二维图像的空间特性，同时减少一维稀疏表示中存在字典存储空间较大、需要估计的参数较多的问题，从而能够在保证图像超分辨率重建结果的同时减少字典的存储空间。

技术领域

本发明属于稀疏表示的超分辨率的技术领域，具体地涉及一种图像超分辨率重建方法，主要是应用二维稀疏表示模型于单帧图像进行超分辨率重建。

背景技术

图像作为人类感知世界的重要信息形式，其内容的丰富和细节，直接决定这人类感受到内容的详细程度。当图像单位尺度上的像素密度越高，则图像越清晰,其表达的细节能力越强，人类感知的信息越丰富，这也就是高分辨率图像。图像的超分辨率重建已经在很多方面有了相应的研究如遥感图像，卫星成像领域，医学图像领域，和一些高清晰显示领域等等。

提高图像的分辨率的方法主要靠改进传感器制造工艺来减小像元尺寸，或者增加单位面积内的像元数量。但是减少像素元会减少像元能够接受的电磁能量，从而会造成容易受噪声干扰，导致图像质量不高。而增加集成电路板的尺寸会导致电容增加。这易造成电容难以转移电荷，使得其应用领域减少。另一类方法是采用信号处理技术对单帧或多帧低分辨率图像进行重建，得到高分辨率图像，也就是图像处理领域的超分辨率重建技术。

图像的超分辨率重建是指利用信号处理和计算机软件的方法消除由于成像系统聚焦不准、运动模糊以及非理想采样等因素引起的图像质量退化，从而得到高分辨率的清晰图像。多帧图像重建是融合来自相同动态场景的多个低分辨率(Low Resolution,LR)图像的技术，其中用到了多个低分辨率图像的互补信息。而单帧图像的超分辨率图像重建则是从单帧图像中估计截止频率以外的高频信息，重建出高分辨率的图像。

超分辨率的概念和方法最早由Harris和Goodman于上世纪60年代提出，并提出了多种方法，如长椭球波函数法、线性外推法、叠加正弦模板法等等。这些方法都是基于单幅图像的。目前对超分辨率技术进行了一定的探索，但是在实际不是很广泛。上世纪代80年代，Tsai和Huang提出了多帧超分辨率重建方法，其主要思想是在不改变现有成像系统的前提下，如果存在多幅同一场景的低分辨率图像的情况，可以结合多幅图像信息重建高质量图像。在多帧超分辨率重建技术发展的同时，单帧图像重建方法也得到了长足发展。然而事实上，很难获得多幅符合条件的低分辨率图像，因此这里主要考虑的是单帧超分辨率的重建问题。

由高分辨率退化为低分辨率图像的模型如下：Y＝SHX+N。这里，Y为低分辨率图像，S为下采样算子，H为模糊滤波器，X为高分辨率图像，N为噪声图像。超分辨重建的目的就是如何将通过Y恢复出原始的X图像。

单帧图像超分辨率的方法主要有以下方式：1.基于插值的方法。主要是通过构造光滑曲线或者曲面的插值函数来产生高分辨率图像。即“图像插值”。目前常用的插值方法有如最近邻重复插值、双线性插值和样条插值。2.基于重构的方法，求解以上图像退化模型的逆问题。主要是引入一些先验知识，在先验知识的指导下，求解逆问题，而由于逆问题的解不唯一，所以需要在一定约束，如分片线性，边缘约束等等，最后找到误差最小化的解，因此重构方法是一种求解最优化问题的方法。类似的方法有最大后验概率(Maximize aposterior,MAP)等。但是由于模型中的约束条件需要与之一些先验知识，而实际上对先验知识的理解不见得准确，所以重建情况不是很好。3.基于学习的方法。Freeman et al.是最早提出了的基于实例学习的超分辨率重建，可以借助外部图像库的信息，通过学习高低分辨率图像对的关系，对输入的单帧低分辨率图像，来估计高分辨率图像中的高频细节信息，最终得到重建图像，很显然在外部图像库信息加入后，得到的重建图像，比过去用插值得到的高分辨率图像更清晰。而且随着图像的先验信息的样例的引入，增加了更有效的约束，提高了重建图像的准确性。