[发明专利]一种基于积分平差模型的小波变换超分辨率图像重建方法

说明书

一种基于积分平差模型的小波变换超分辨率图像重建方法，包括以下步骤：1)首先对N幅低分辨率图像进行预处理，使得图像间的分辨率一致。2)然后对预处理后的低分辨率图像序列进行尺度为J的二维小波变换分解，将每一个图像分解成一个近似原始图像的低频子图(LL^J)和三个方向的高频子图(LH^j,HL^j,HH^j，分解级数为J，j＝1,2,....,J)。3)为各低分辨率图像对应的高、低频子图建立相应的积分平差模型，并求解，估算出高分辨率图像的低频子图的估计值和高频子图的估计值4)最后对高分辨率图像的低频子图和高频子图进行小波逆变换，得到高分辨率图像。本发明的算法不仅能获得较好的重建效果，且具有较好的鲁棒性和稳定性，还具有抑制重建图像噪声的能力。

技术领域

本发明涉及一种图像处理方法，尤其涉及一种基于积分平差模型的小波变换超分辨率图像重建方法。

背景技术

随着科技的高速发展人们对图像的分辨率要求越来越高。提高图像分辨率可以通过硬件和软件两种方式，由于硬件方式受到传感器排列密度极限的限制，而且价格昂贵，因此采用软件方式如超分辨率图像重建技术提高图像分辨率已成为图像处理领域的热门研究课题。该技术是针对一幅低分辨率图像或同一场景存在亚像素位移的多幅低分辨率图像序列利用信号处理算法获取一幅比原图像包含更多信息和细节的高分辨率图像，它克服了硬件的限制，成本低、效率高且能显著改善图像的质量。因此，超分辨率重建技术在遥感、医学、视频、监控、公共安全和军事等领域具有十分重要的应用价值和广泛的应用前景。

发明内容

本发明要解决的技术问题是克服现有技术的不足，提供一种受噪声密度影响小，峰值信噪比(Peak Signal to Noise Ratio,PNSR)/均方根误差(RootMean Square Error,RMSE)的值变化幅度最小，说明本发明的算法不仅能获得较好的重建效果，且具有较好的鲁棒性和稳定性，还具有抑制重建图像噪声的能力的基于积分平差模型的小波变换超分辨率图像重建方法。为解决上述技术问题，本发明提出的技术方案为：一种基于积分平差模型的小波变换超分辨率图像重建方法，其特征在于：包括以下步骤，1)对N幅低分辨率图像进行图像去噪和图像配准等一系列前期处理，使得图像间的分辨率一致。

2)对预处理后的低分辨率图像序列进行尺度为J的二维小波变换分解，每一个都可以分解成一个低频子图(LL^J)和三个方向的高频子图(LH^j,HL^j,HH^j，分解级数为J，j＝1,2,....,J)；

二维图像f(x,y)的大小为M×N，对应的二维离散小波变换为：

其中j₀为初始尺度，通常为0，令M＝N＝2^J,j＝0,1,2,...,J-1，m,n＝0,1,2,...,2^j-1；W_s(j₀,m,n)表示图像f(x,y)在尺度j₀的近似，W_tⁱ(j,m,n)表示图像f(x,y)在j₀以上尺度的水平、垂直和对角线方向的高频细节信息。

f(x,y)的二维离散小波逆变换可表示为：

对二维图像Lena进行三层小波分解的效果图如图1所示。在图1(c)中，最左上角的图像是一幅低频子图，它是Lena图像在低分辨率上的一个近似，其余各个不同分辨率的子图像都是高频子图，它们在不同方向和不同分辨率上反映了Lena图像的高频细节。其中，各个HL分量反映了图像的水平边缘等细节信息；各个LH分量反映了图像的垂直边缘等细节信息；各个HH分量反映了图像的对角方向的变化信息。