[发明专利]基于SURF匹配和边缘检测的凸集投影图像重构方法

权利要求书

1.POCS算法是由低分辨率观测序列以及由凸约束集约束加入的一些先验知识来对场景进行估计，寻找真实高分辨率图像的最优估计，从而得到高分辨率图像。基于SURF匹配和边缘检测的凸集投影图像重构方法，其特征在于具体实施步骤如下： 

A构造参考帧：选取低分辨率观测帧序列中的一帧经基于梯度插值得到高分辨率图像的初始估计作为参考帧； 

B运动估计：以参考帧为基准，与观测帧序列中其他所有的低分辨率图像分别进行SURF图像配准，获取位置变化矢量； 

C修正参考帧：利用仿射变换关系将观测帧序列中每个像素映射到当前估计的高分辨率图像中的相应位置，确定不同边缘处的点扩散函数h(x,y)，并获取h(x,y)作用范围内的像素灰度值。利用凸约束集对当前高分辨率图像估计中的像素灰度值进行修正。 

2.根据权利要求书1所述的基于SURF匹配和边缘检测的凸集投影图像重构方法，其特征在于所述方法步骤A中的构造参考帧是利用梯度插值法得到的，具体实施步骤如下： 

(1)首先通过计算中心像素的二阶梯度来确定当前邻域内是否存在边缘 

以低分辨率图像中一点ref(i,j)为例，其八邻域内的四个方向0°，45°，90°，135°通过二阶梯度表示，其计算公式分别为： 

d₁＝abs((ref(i,j-1)+ref(i,j+1))/2-ref(i,j)) 

d₂＝abs((ref(i-1,j+1)+ref(i+1,j-1))/2-ref(i,j)) 

d₃＝abs((ref(i-1,j)+ref(i+1,j))/2-ref(i,j)) 

d₄＝abs((ref(i-1,j-1)+ref(i+1,j+1))/2-ref(i,j)) 

计算整幅图像像素邻域内四个方向的二阶梯度值，然后找出每个像素二阶梯度最大值d_i(1≤i≤4)与最小值d_j(1≤j≤4)的差值，对整幅图像像素得到的差值求和取平均作为阈值δ。当像素点二阶梯度最大值与最小值的差值小于阈值δ时，表示该邻域内没有边缘，否则二阶梯度最小值表示的方向代表边缘方向。 

(2)根据边缘分布进行插值 

图像通过计算确定边缘之后，沿边缘方向进行线性插值，非边缘方向首先计算一阶梯度检测边缘的强弱，进而估计权重因子进行带权线性插值。ref为原始低分辨率图像中的一点，upref为对应的插值后的高分辨率图像中的点的表示。 

ref(i,j)映射到upref(2i-1,2j-1)，然后对该点的右upref(2i-1,2j)、下upref(2i,2j-1)、右下upref(2i,2j)进行插值。在水平方向上利用水平梯度信息g_h，垂直方向上利用垂直梯度信息g_v，对角线方向利用相邻四个点的信息。 

g_h＝abs(ref(i,j)-ref(i,j+1)) 

g_v＝abs(ref(i,j)-ref(i+1,j)) 

upref(2i-1,2j)＝min(ref(i,j),ref(i,j+1))+g_h*k 

upref(2i,2j-1)＝min(ref(i,j),ref(i+1,j))+g_v*k 

upref(2i,2j)＝(min(ref(i,j),ref(i+1,j))+g_v*k+min(ref(i,j+1),ref(i+1,j+1))+g_v+1*k)/2 

k为带权调整因子，对于灰度变化剧烈的边缘采取特殊处理，使插入的新值尽量靠近灰度值大的地方(0.5＜k≤1)，减小对边缘处灰度变化率的影响，保持图像中的边缘特征。 

3.根据权利要求书1所述的基于SURF匹配和边缘检测的凸集投影图像重构方法，其特征在于所述方法步骤B中的运动估计是通过SURF匹配实现的。具体实施步骤如下： 

(1)特征兴趣点的检测；(2)特征兴趣点的描述；(3)特征兴趣点的匹配；(4)特征兴趣点的剔除。 

4.根据权利要求书1所述的基于SURF匹配和边缘检测的凸集投影图像重构方法，其特征在于所述方法步骤C中的修正参考帧是方向自适应对应不同的PSF来修正实现的，具体实施步骤如下： 

(1)首先仍然利用二阶梯度对当前估计的高分辨率图像进行边缘检测； 

(2)针对获取的4个方向选取如下公式所示的不同PSF来修正。 

(3)利用凸约束集中的数据一致性和灰度值有限性对当前高分辨率图像估计中的像素灰度值进行约束修正。