[发明专利]一种利用序列图像的图像分辨率增强方法

说明书

本发明公开了一种基于序列图像的图像分辨率增强方法，该方法利用基于滤波器组和l₁范数的图像先验模型并在变分贝叶斯的理论框架下获得，首先对高分辨率图像、相对运动参数、先验参数和辅助参量进行初始化；然后利用迭代的方法求解高分辨率图像，包括：1)利用上一步的高分辨率图像和相对运动参数更新辅助参量和先验参数；2)利用上次迭代的高分辨率图像和更新的先验参数来更新相对运动参数；3)利用更新的辅助参量、先验参数和相对运动参数来更新高分辨率图像。与传统的图像分辨率增强算法相比，本发明利用滤波器组对图像进行子带分解，根据各个子带的噪声特性和图像特性，来进行分辨率增强，大大提高了分辨率增强的鲁棒性和自适应特性。

技术领域

本发明涉及一种图像分辨率增强方法，特点是模型参数自适应的图像分辨率增强方法，广泛用于医学成像、遥感、监视和天文观测等领域。属于图像处理、计算机视觉和计算成像技术领域。

背景技术

图像空间分辨率是评价图像质量的重要指标，高空间分辨率图像为接下来的检测、识别和跟踪等应用提供更加丰富的信息。因而，获取高空间分辨率的图像的成像设备具有重要的价值。对于常见的数字成像设备，由奈克斯特采样定理，数字图像的空间分辨率决定于成像设备光学子系统的带宽以及光电转换子系统的空间采样频率。由此可知，提高数字成像设备性能以获得高空间分辨率图像最直接的解决方案有：1)增加光学子系统的带宽；2)增加光电转换子系统的空间采样频率。对于前一个方案，通常需要采用先进透镜或者复杂的透镜组合，这无疑会增加系统体积或成本。后一个解决方案通过增加空间采样频率，即在单位面积内采用更多的光电转换单元来提高空间采样率。然而，随着单位面积内像素数的增加，单个像素单元上有用信号光能量随之减少，光子噪声将成为限制性能的瓶颈因素，并且现在的CCD和CMOS工艺几乎达到了性能极限。综上，由于实际的或理论上的原因，利用成像设备直接获取高分辨率图像往往较为困难。

另一方面，随着计算器件性能的提升，通过信号处理算法来获得高分辨率图像提供了另外一条行之有效的途径。通常，获取同一场景的低分辨率图像序列往往容易得多，低分辨率图像集合可以由同一成像设备在不同时刻获得或者由一个阵列成像设备在同一时刻获得。前述的前一种场景获得低分辨率图像序列，后一种场景获得低分辨率图像集，本发明不区分这两种情况，统称为序列图像，对序列图像中图像编号称为图像帧。根据低分辨率成像设备的物理特性建立待求高分辨率图像到低分辨率图像的图像退化模型，再通过电子系统来实施相应逆问题求解的分辨率增强算法。逆问题求解通常是病态的，即解的存在性、唯一性和稳定性中的一个或多个不满足。正则化是一个把病态问题转化为良定问题的途径之一，但正则化方法存在正则化参数需要人为选择的问题。另一方面，分层贝叶斯理论为求解逆问题提供了重要的理论框架，它提供了有效融合先验知识和观测数据的最优途径，并且所涉及的参数都是由数据驱动的方式来确定，无需繁琐费时的参数选择过程。在分层贝叶斯理论下获得的算法往往具有自动化、智能化和鲁棒性的特点。然而，如何确定贝叶斯框架下的先验模型一直都是一个公开待解决的问题。本发明提出了基于滤波器组和l₁范数的图像先验模型，并在分层贝叶斯框架下获得了相应的图像增强方法。较传统方法，该方法不仅具有更好的图像增强性能，并且对不同的图像场景具有更好的鲁棒性。因而能更好的满足实际的工程应用需求。

发明内容

本发明要解决的技术问题为：针对现有方法的不足，提供一种基于滤波器组和l₁范数的图像先验模型的图像空间分辨率增强方法，该方法具有更好的图像增强性能，并且对不同的图像场景具有更好的鲁棒性。

本发明解决上述技术问题采用的技术方案为：一种利用序列图像的图像分辨率增强方法，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；

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，具体迭代步骤如下：

步骤(21)使用上次迭代的高分辨率图像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；