[发明专利]一种图像处理方法

说明书

本发明公开了一种图像处理方法，包括：首先输入被噪声污染的图像L；然后对图像L进行插值，获得对图像L的初始估计以及图像的一阶导数；然后利用步骤B中计算出的一阶导数，构造出图像中每个像素的协方差矩阵；然后基于所述协方差矩阵，构造自适应核函数；然后对所述自适应核函数进行自适应锐化；然后使用自适应锐化后的权重矩阵实现插值，得到最终的图像，实现了图像重建效果不容易受影响，重建结果不容易遭受噪声污染，有效的解决了图像边缘模糊和噪声问题。

技术领域

本发明涉及图像技术处理领域，具体地，涉及一种基于自适应锐化策略的单帧图像超分辨率重建方法。

背景技术

随着智能手机、数码相机等图像拍摄设备的普及，数字图像已成为人们分析和理解自然环境的重要信息媒介。据统计，人类所能感知信息的80％均来自于以图像为载体的视觉信息。衡量数字图像质量优劣的重要指标之一是图像分辨率，分辨率越高，说明图像越清晰，能提供的信息越丰富。然而，受成像设备物理条件限制，获取的数字图像往往分辨率低且包含噪声。

单帧图像超分辨率重建通过软件的方式将输入的一幅低分辨率图像转换成更清晰的高分辨率图像，从而为用户提供更丰富的细节信息，同时提高用户的视觉效果感受。其中，非均匀插值算法应用最为广泛。具体而言，该算法采用加权平均方法实现对高分辨率图像中未知像素的估计：低分辨率图像的全体像素首先映射到高分辨率网格中，作为插值样本点的来源；未知的高分辨率像素，其灰度值为邻域内所有插值样本点灰度值的加权平均。一般而言，插值算法的核心为1)建立起未知高分辨率像素与低分辨率图像中像素间的联系，即选择合适的插值样本点，2)根据一定的方式进行插值权重分配。其中，如何设计出一种合适的权重分配方式，是影响重建效果的关键因素之一。

传统的插值算法如最近邻插值、三次样条插值方法在设计权重时，仅考虑像素间的空间距离。例如，经典核回归方法实现插值的步骤如下：已知待插值像素的坐标为m，插值样本点(位于以像素m为中心的邻域中)的坐标为m_i，且该插值样本点的灰度值为z(m_i)，i＝1,2,…,P，根据泰勒展开原理，待插值像素的灰度值z(m)可由下式获得：

其中，β₀＝z(m)，β₁＝[L_x(m),L_y(m)]^T为该待插值像素在横纵坐标方向上的一阶导数值估计，为待插值像素在横纵坐标方向上的二阶导数值估计；vech()将对称矩阵的下三角部分按字典序排列，构成一个列向量，如w(m；m_i)为核函数，在经典核回归中，h为尺度参数，控制高斯函数的宽度。容易看出，经典核回归插值算法在计算插值权重时，仅比较像素间的空间距离差异：与待插值像素距离相同的插值样本点都赋予相同的权重。由于该方法忽视了图像内部的灰度变化趋势，故其重建结果无法保持图像中的细节信息。总体而言，传统插值算法容易导致重建图像细节模糊。此外，若低分辨率图像存在噪声，则伴随着插值过程，该噪声也将会出现在重建图像中。

近年来，针对插值算法容易出现图像细节模糊的缺陷，能够反映图像内灰度变化趋势的权重设计策略被逐渐采用。专利CN201410193840.4提出了一种基于边缘导向的插值算法：利用Canny边缘检测算子，计算出图像块内的边缘走向，由此将图像内的所有图像块分为11类；并根据边缘类型，提取每一个图像块内沿边缘方向的像素，用于实现对该图像块中心像素的插值计算。由于该算法借助图像块内的边缘走向，并以此为启发式信息，故其重建结果的细节更为清晰，从而较好地克服了传统方法中边缘模糊的缺点。然而，该方法的有效性取决于Canny算子对边缘检测的准确性。当图像包含噪声时，Canny算子难以进行准确的边缘提取，进而影响算法对图像细节的重建效果。另一方面，与传统插值算法相似，噪声也将伴随插值过程进入重建图像，使重建结果也遭受噪声污染。