[发明专利]一种基于邻域像素跳变分布函数提取的图像重建方法

权利要求书

1.一种基于邻域像素跳变分布函数提取的图像重建方法，其特征在于包括以下步骤：

(1)图像邻域分布统计：计算图像中某像素点像素的四邻域或者八邻域跳变的计数值

ΔI＝I-I′              (1)

其中，I是图像中某像素点的像素值，I′是该像素点的四邻域或八邻域中某点的像素 值；然后得到归一化的分布数组sum(ΔI)=sum′(ΔI)sum---(2)]]>

其中，sum=ΣΔI=-255ΔI=255sum′(ΔI)---(3)]]>

设sum′(·)为一个长度为511的数组，sum′(ΔI)是数组sum′(·)中对应于跳变值为ΔI的计 数值；首先将sum′(·)初始化为0数组，在每个象素的四邻域或八邻域内计算跳变值，在对 应的计数值sum′(ΔI)上加+1，直到图像的所有像素都统计完毕；

(2)函数回归：以ΔI为自变量，sum(ΔI)为应变量，应用非线性回归的方法确定A、B 两类函数为模型的待定参数；

A类函数为：

sum(ΔI)=α4eσΔI02α22αΔI·erfc(σΔI0α2-ΔI2σΔI0)+α4eσΔI02α22+αΔI·erfc(σΔI0α2+ΔI2σΔI0)---(4)]]>

α和为待定参数，ΔI是跳变值，erfc(·)为误差函数；

B类函数为：

sum(ΔI)=14((1Γ(2)·12·λ)|ΔI|+122λ)e-2λ|ΔI|---(5)]]>

λ为待定参数，Γ(·)为伽马函数；

(3)回归效果评估：

偏差能量值越小表明得到的函数越接近实际情况；依据偏差能量值作为标准，分别计 算A类函数和B类函数的偏差能量值：DPF=ΣΔI=-255255(P′(ΔI)-sum(ΔI))2---(6)]]>

式中ΔI为像素跳变值，P′(ΔI)为A类或B类函数在跳变值为ΔI的值，sum(ΔI)为图像 邻域分布统计中得到的归一化分布数组；

(4)函数提取：依据回归效果评估得出的结果选择DPF值较小的函数作为结果输出；

(5)超分辨率图像重建：利用MAP估计的ICM算法进行图像重建，步骤如下：

a生成初始图像：用双线性内插法得到初始图像；双线性内插法通过以下公式生成新增 点的像素值：

img(i,j)=14[img(i+1,j+1)+img(i+1,j-1)+img(i-1,j+1)+img(i-1,j-1)]---(7)]]>

其中img(i，j)对应的是图像阵列中第i行，第j列的图像像素值，i的取值范围由1到 图像的高度，j的取值范围由1到图像的宽度；

b巡回：从图像的左上角像素开始，对图像的每个像素进行如下操作：

像素所有可能值λ＝0，1，2，3，4....255，先在图像(i，j)位置上计算该点象素值为λ的局部条 件概率：

P(img(i，j)＝λ|I_i，j)                (8)

其中I_i，j是位于(i，j)位置的四邻域或八邻域像素，局部条件概率是该位置上的像素值与 其在四邻域或八邻域范围内像素值跳变的条件分布概率：

P(img(i,j)=λ|Ii,j)=Σ(i,j)∈vsNi,j·P(I-Ii,j)---(9)]]>

其中P(I-I_i，j)是由步骤(4)提取的函数，N_i，j是权值参数，N_i，j＞0，且∑N_i，j＝1；

更新该点象素值为使得局部条件概率最大的λ值：

img(i，j)＝arg max_λP(img(i，j)＝λ|I_i，j)          (10)

λ表示是像素所有可能值：0，1，2，3，4....255，argmax_λP(img(i，j)＝λ|I_i，j)表示当λ在 0，1，2，3，4....255取值时，能使得P(img(i，j)＝λ|I_i，j)最大的λ值；

c迭代：在图像中重复上述步骤b，直到在一个巡回前后的两幅图像之间的变化检测量 小于阀值k时，停止迭代，所得图像为重建图像；所述变化检测量为图像像素变化总值和 图像像素总值之间的能量比例，当能量比例小于阀值k时停止，阀值k的取值范围是0-1， k不等于0或1。

2.根据权利要求1所述的基于邻域像素跳变分布函数提取的图像重建方法，其特征在 于：所述阀值k为0.01。