[发明专利]一种含噪图像超分辨率方法

说明书

本发明涉及一种含噪图像的超分辨率方法，所述方法主要包括以下步骤：输入一张低分辨率含噪图像I；对图像I进行简单插值，获得低分辨率测试图像的初步估计以为基础获得横向、纵向和对角方向的图像多尺度金字塔，利用图像多尺度金字塔获得低分辨率测试图像L_k+1；对图像I进行高斯模糊操作，获得模糊图像L_k；以图像块为单位，求出I和L_k内部图像块间的映射函数，并将其作用到相应的L_k+1内部图像块上，从而生成高分辨率图像块，进而获得高分辨率图像。本发明使得噪声在超分辨率过程中得到了很好的抑制，进一步的，重建图像的边缘细节更加丰富，图像形变更少。

技术领域

本发明涉及图像超分辨率领域，尤其涉及一种含噪图像超分辨率方法。

背景技术

受成像设备(数码相机、手持摄像机等)物理条件限制，获取的数字图像往往分辨率低且包含噪声。其中，数字图像的分辨率是衡量图像质量优劣的重要指标之一，分辨率越高，说明图像越清晰，能提供的信息越丰富。在一定程度上，图像分辨率的增高伴随着像素个数的增加。为提高图像的分辨率，现有的技术手段大多通过已获图像(下面简称“低分辨率图像”)内部的像素，对高分辨率图像其内部的新增像素信息进行估计。这类技术手段统称为图像超分辨率。然而，在处理含噪图像时，目前常用的技术手段极少考虑噪声在此过程中的变化，其默认做法为，先对含噪低分辨率图像进行超分辨率处理，并对已提高分辨率的图像采用图像处理领域中已有的图像去噪技术，进行噪声去除。

为了估计高分辨率图像中新增的未知像素，Yang提出了一种利用回归技术的图像超分辨率算法。该方法将低分辨率图像进行一系列非线性操作，从而构建出包含低分辨率图像和高分辨率图像的训练图像集，以及待处理的低分辨率测试图像，并将训练图像、测试图像划分成一组有重叠区域的图像块。借助低分辨率图像块和与之对应的高分辨率图像块，该方法结合回归技术和泰勒展开，获得不同分辨率图像块间的映射函数，并将其作用到测试图像块上，以获得相应的高分辨率图像块。在映射函数的求取过程中，泰勒展开的阶数决定该函数的精度，即阶数越高，映射函数的精度越高，所产生的高分辨率图像块越准确。然而，高阶的泰勒展开会增加映射函数的求取难度。

因此，Hu基于此提出了一种二阶泰勒展开的映射函数求解。然而，在处理含噪图像时，这两种方法极易加强噪声的空间联系、引起噪声幅度放大，从而加大了后续去噪的难度，使得最终结果的质量受到严重影响。

另一方面，对于图像去噪算法而言，当前常用的处理思路为：对于含噪图像中的每一个像素点，其像素真值可通过以该像素为中心的邻域内部所有含噪像素的灰度值进行加权平均得到。加权权重的计算方式则是这类思路的核心，通常涉及多个内部参数的取值。由于参数取值设置大多较为主观，基于这类思路的去噪算法无法保证在所有图像上都具有较强的去噪能力。

近年来，有学者在分析图像多尺度金字塔时发现，当金字塔的顶层图像包含噪声时，随尺度的变小，各层图像内部包含的噪声幅度也逐渐降低。利用多尺度图像金字塔其内部噪声随图像尺度的下降而降低这一特性，提出了一种新的图像去噪方法，避免了内部参数对图像去噪能力的影响。在该方法中，如何选择最佳的图像缩小尺度，是影响去噪程度和细节保持的重要因素。该方法通过估计金字塔中各层图像与顶层图像间的噪声相关性的期望值，可实现对各层图像去噪能力的描述。然而，该方法并没有给出估计各层图像内的所含噪声的具体方式。事实上，对金字塔各层图像噪声幅度的估计也是一个较为困难问题。噪声估计的准确性直接影响该方法中噪声相关性期望值的精度。

综上，如何解决现有技术在进行数字图像的超分辨率过程中，容易造成图像噪声放大，从而难以处理含噪图像的不足，已成为图像超分辨率领域亟需解决的问题。

发明内容

针对现有技术之不足，本发明提出一种含噪图像超分辨率方法，所述方法包括：

步骤1：输入一张低分辨率含噪图像I；