[发明专利]一种利用序列图像的图像分辨率增强方法

权利要求书

1.一种基于序列图像的图像分辨率增强方法，其特征在于：包括如下步骤：

步骤一、对于给定的参考帧，利用低分辨率图像序列进行图像相对运动参数、模型参数、辅助参量和高分辨率图像的初始化；

其中，采用矩阵-向量的方式进行描述，把所涉及到的各个低分辨率图像和高分辨率图像分别使用字典排序的方式逐列堆叠排列为列向量，把图像处理算子用矩阵进行表示，图像处理算子对图像的处理表示为相应的算子矩阵对图像向量的乘积，设观测获得的L帧低分辨率图像为y_k,k＝1,...,L，待求的高分辨率图像为x，y_k和x是N×1和PN×1的向量，其中是放大因子，从高分辨率图像到低分辨率图像的退化过程建模为：

y_k＝DH_kM_k(s_k)x+n_k＝B_k(s_k)x+n_k,k＝1,...,L (1)

其中，n_k是加性观测噪声，D是N×PN的下采样矩阵，H_k是图像模糊矩阵，M_k(s_k)是有相对运动参数s_k定义的相对于参考帧的运动矩阵，它定义了各个低分辨率帧相对于x定义的高分辨率帧的相对运动，假设低分辨率图像之间为只存在平移和旋转的刚体变换，相对运动矩阵由决定，其中，θ_k是旋转角度，(c_k,d_k)是平移向量，其各个分量依次表示水平方向和垂直方向的平移像素数，下采样矩阵、模糊矩阵和相对运动矩阵合并为N×PN的从高分辨率图像到低分辨率图像的退化矩阵B_k，假定模糊矩阵H_k已知，其由低分辨率成像系统的光学特性决定；

步骤二、利用序列图像迭代求解图像相对运动参数、模型参数和高分辨率图像的分布，包括相应求解量的均值和方差，具体迭代步骤如下：

步骤(21)使用上次迭代的高分辨率图像分辨和图像相对运动参数获得辅助参量和模型参数分布的更新；

步骤(22)使用上次迭代的高分辨率图像和步骤(21)中更新的模型参数获得图像相对运动参数分布的更新；具体如下：

(2.2.1)每个图像先验参数和噪声参数都对应两个超先验参数，根据已有知识对超先验参数进行初始化，或者在没有超先验参数先验知识的情况下，相应的超先验参数都设置为0；

(2.2.2)对d个图像先验参数，根据步骤(21)中初始化的高分辨率图像和每个图像先验参数对应的滤波器采用公式(8)进行初始化；

(2.2.3)采用公式(9)分别对L个低分率图像的噪声先验参数进行估计；

(2.2.4)根据步骤(21)中初始化的高分辨率图像，采用公式(5)对辅助参量进行初始化；

步骤(23)使用步骤(21)中更新的辅助参量、模型参数分布和步骤(22)中更新的图像相对运动参数分布获得高分辨率图像分布的更新；

其中，步骤(23)中所述的使用步骤(21)中更新的辅助参量、模型参数分布和步骤(22)中更新的图像相对运动参数分布获得高分辨率图像分布的更新，模型参数分布中的图像先验模型参数分布的更新依赖于一组滤波器对高分辨率图像滤波的结果；

所述的模型参数分布中的图像先验模型参数分布的更新依赖于一组滤波器对高分辨率图像滤波的结果，该组滤波器可以是多个一阶滤波器的组合、二级滤波器的组合，或者一阶和二级滤波器的组合；

步骤三、判断迭代停止条件时，若不满足继续步骤二中的迭代；若迭代停止条件满足，停止迭代，取迭代结果中的高分辨率图像的均值作为高分辨率图像测最优估计；

具体步骤包括：

(3.1)高分辨率图像的均值、协方差矩阵和相关的辅助参量的迭代更新依次为：

其中，·为期望算子，上述式子中期望〈α_j和β_k由上次迭代给出，计算需要利用s_k的均值和协方差矩阵，相应的均值和协方差矩阵由迭代给出，d是滤波器组中的滤波器个数，F_j是滤波器组中第j个滤波器对应的矩阵形式，由相应滤波器的空域模板决定；

(3.2)迭代更新相对运动参数的均值和协方差矩阵，具体步骤包括：

(3.2.1)通过求解如下优化问题来求解相对运动向量的均值更新：

其中，和是相对运动参数初始估计的均值和方差，计算需要利用x的均值和协方差矩阵，x的均值和协方差矩阵均由(3.1)中迭代给出；

(3.2.2)通过

更新相对运动向量的协方差矩阵的逆矩阵；

(3.3)通过

更新图像先验参数α_j和噪声先验参数β_k，其中和是图像先验参数α_j的两个超参数，和是噪声先验参数β_k的两个超参数，更新公式中的计算需要利用x和s_k的均值和协方差矩阵。

2.根据权利要求1所述的一种基于序列图像的图像分辨率增强方法，其特征在于：所述的组滤波器是多个一阶滤波器的组合，一阶滤波器组的空域模板为NF＝{f₁,f₂,f₃}，其中，