[发明专利]超分辨处理的高速化方法

说明书

技术领域

本发明涉及将根据多个低分辨率图像估计出一个高分辨率图像的超分辨处理高速化的超分辨处理的高速化方法，本发明特别涉及如下的超分辨处理的高速化方法，在重构式超分辨处理(Reconstruction-basedSuper-resolution)中，通过大幅削减超分辨处理的计算成本，实现超分辨处理的高速化。

背景技术

关于根据具有位置偏差的多个低分辨率图像估计出一个高分辨率图像的超分辨处理，近年来在很多研究中都有所报告(参照非专利文献1)。例如，提出了非专利文献2中公开的ML(Maximum-likelihood：最大似然)法、非专利文献3中公开的MAP(Maximum A Posterior：最大后验概率)法及非专利文献4中公开的POCS(Projection Onto Convex Sets：凸集投影)法等各种超分辨处理方法。

ML法是基于最大似然估计原理的超分辨处理方法，其中，将由假设的高分辨率图像得到的估计像素值和实际观测到的像素值的平方误差设为评价函数，将该评价函数最小化的高分辨率图像作为估计图像。

并且，MAP法是指如下的超分辨处理方法，估计出使平方误差上附加有高分辨率图像的概率信息的评价函数最小化的高分辨率图像，即，利用针对高分辨率图像的某个预测信息，将后验概率最大化，以此为优化问题，估计出高分辨率图像。

而且，POCS法是指如下的超分辨处理方法，通过对高分辨率图像和低分辨率图像的像素值建立联立方程式，逐一对该方程式求解，从而得到高分辨率图像。

上述任意的超分辨处理方法具有如下的共同特征：首先，假设高分辨率图像，然后从假设的高分辨率图像中，根据从照相机模型得到的点扩散函数(PSF函数)，对所有低分辨率图像的每个像素，估计其像素值，搜索该估计值与观测到的像素值(观测值)之差减小的高分辨率图像，这些超分辨处理方法被称为重构式超分辨处理方法。

如上所述，重构式超分辨处理被公式化为对高分辨率图像进行定义的评价函数的优化问题。即，重构式超分辨处理归为基于估计出的低分辨率图像与观测到的观测图像的平方误差的评价函数的优化问题。

重构式超分辨处理中，需要对未知数进行非常大的优化计算，因此，为了该评价函数的优化，经常利用例如最速下降法(steepest descentmethod)等重复计算法。此时，每次重复时，都需要计算评价函数和评价函数对高分辨率图像的微分。而且，该重复计算的成本非常大。此外，在重复计算中，对于一次重复，需要对所有低分辨率图像的像素进行估计，该计算成本也非常大。

即，在重构式超分辨处理中，计算成本大，因此，减少计算成本成为重要的课题。

为了解决该课题，本发明的发明人，从减少用于计算评价函数的像素值估计计算次数的观点出发，提出了日本专利申请2004-316154中公开的“超分辨处理的高速化方法”。即，该超分辨处理的高速化方法的特征在于，对齐多个低分辨率图像的位置，在高分辨率图像空间中设定离散化点，利用与离散化点附近对应的像素的平均像素值。此时，通过考虑将与离散化点附近对应的像素的个数设为权重，可以进行快速计算，且不会降低估计精度。

即，本发明的发明人在日本专利申请2004-316154中提出了如下的超分辨处理的高速化方法，在较少的低分辨率像素的像素值估计计算中，利用了能够重构高分辨率图像而不降低精度的评价函数。

更详细地说明为，在日本专利申请2004-316154中公开的“超分辨处理的高速化方法”具有如下特征：将配准(Registration)后(位置对齐后)的多个低分辨率图像的像素认为是在高分辨率图像空间中以非等间隔采样的像素，将高分辨率图像空间分割成小区域，利用该小区域中包含的像素的平均像素值。对该小区域的评价函数如下述式1表示。

[式1]