[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

说明书

技术领域

本发明涉及了一种基于SURF匹配和边缘检测的凸集投影图像重构方法，它是一种在利用现有成像设备前提下可通过软件算法获取令人满意的高分辨率图像的方法，在航拍照片、医学图像处理、卫星遥感成像等领域具有广泛的应用，属于图像处理增强技术领域。 

背景技术

现今数码相机日益普及，衡量其性能的一个重要指标就是分辨率，获取高分辨率的图像具有非常重要的价值。高分辨率的X-光片，CT图像，MRI图像能让医生准确的定位病变位置，提高诊断的准确性；高分辨率的卫星云图能提高气象预报的准确度；高分辨率的资源卫星照片，能提供准确的植被和沙漠等的分布情况，为政府决策提供支持。一般而言，成像系统获取图像的过程，也是图像降质的过程。图像的获取过程包括：运动部分包含景物和成像系统之间的运动，以及在多次成像时帧与帧之间的运动；模糊部分包含光学镜头的非线性作用所产生的失真，以及感光单元的积分作用所产生的模糊；实际景物具有丰富的细节，即其空域频率较高，而感光阵列因制造工艺的原因，其空域采样频率有限，因而产生降采样现象；在整个成像的过程中都伴随着噪声的影响。因此，在获取图像的过程中由于受到外界环境及成像系统的限制，形成了变形、模糊、有噪的低分辨率图像，难以满足实际需要，于是超分辨率重构技术应运而生。 

超分辨率图像重构是指对多幅存在全局或局部运动、信息互补重叠的低分辨率图像进行处理，以获得高分辨率图像的过程。目前超分辨率图像重构算法可以大致分为两个方向:一是空间域方法；二是频率域方法。频率域方法研究开展的比较早，1984年，Tsai和Huang最早提出频率域方法，但是由于它自身的局限性，目前应用的比较多的是空间域的方法。空间域方法主要包括非均匀空域样本内插法、迭代反投影方法、凸集投影方法POCS(projection onto convex set)、最大后验概率估计法MAP(maximum a posteriori)、混合MAP/POCS方法以及自适应滤波方法等。POCS算法简单有效，对先验知识的利用最直接，是目前解决超分辨率图像重构的一种通行算法。 

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。POCS超分辨率图像重构过程分为构造参考帧，运动估计和修正参考帧。POCS算法对初始高分辨率图像估计值的选取严重依赖，直接影响后续重构结果。传统插值算法得到的初始估计值没有考虑边缘模糊的影响。在初始值确定以后，代入传统POCS算法进行修正，会产生一定的边缘振荡效应， 直观表现就是图像出现阴影部分。运动估计是进行图像重构的一个重要步骤，通过图像匹配进行运动估计，获取几何映射矩阵的具体数值。映射矩阵的准确获取直接影响图像重构的结果。 

发明内容

本发明针对用传统POCS算法重构高分辨率图像时出现的边缘模糊及匹配时的局限性问题提出了改进。总流程图如图1所示，包括： 

1、利用梯度插值法构造参考帧 

首先通过计算中心像素的二阶梯度值来确定当前邻域内是否存在边缘，然后根据边缘方向采用基于一阶梯度的权重插值方法。 

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。 

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为原低分辨率图像中的一点，upref为对应的高分图像中的点。