[发明专利]基于各向异性的快速超分辨率重建方法

说明书

本发明公开了一种基于各向异性的快速超分辨率重建方法，步骤如下：对采集到的所有原始图像进行运动补偿及上采样，得到一幅高分辨率图像模糊以后的图像，作为参考图；对基于L1范数最小二乘法的重建模型进行改进，得到优化以后的重建模型；引入各向异性的正则化项，构造一个基于该正则化项的自适应参数，得到基于各向异性的自适应重建模型；将所得参考图作为迭代初始值，带入所构建的自适应重建模型开始迭代，计算每次重建图像的峰值信噪比，当迭代结果的峰值信噪比低于上一次时，停止迭代，图像重建完成。本发明去除了重建模型中的冗余过程，减少了重建过程中的计算量，同时提高了图像超分辨率重建的速度和质量。

技术领域

本发明属于光学图像重建技术领域，特别是一种基于各向异性的快速超分辨率重建方法。

背景技术

图像超分辨率重建技术就是利用一组低质量、低分辨率图像或运动序列来产生单幅高质量、高分辨率图像的技术。单位尺度上的像素密度高的图像称为高分辨率图像，高分辨率图像表达的图像细节更多，信息更丰富。分辨率是表征图像观测水平的重要技术指标，受探测器阵列数目以及探测器结构限制，成像系统的空间采样频率的空间采样频率往往无法满足采样定理，从而容易产生混频现象，导致图像模糊。

提高图像空间分辨率的途径通常有两种。一种是改进成像器件的物理特性，如降低像元尺寸、增大芯片面积等。但这一方法有内在缺陷，芯片面积增大会引起电荷转移速率下降，降低像元尺寸会使单位像元受光量减少、成像单元受散粒噪声的影响加大，进而导致成像图像的质量急剧下降。另一种是改进光学镜头的焦距和孔径。

20世纪60年代由Harris和Goodman首次提出了单幅图像复原的超分辨率重建技术。20世纪80年代初，Tsai和Huang首次提出了基于序列图像的超分辨率重建技术。图像超分辨率重建，是采用信号处理技术和计算机软件的方法，通过由一帧或含有互补信息的多帧同一场景低分辨率图像，重建高分辨率图像的技术。超分辨率重建算法分为频域算法和空域算法两类。频域算法是基于傅里叶变换的平移特性，连续傅里叶变换和离散傅里叶变换之间的变换关系实现超分辨率复原的算法。理论简单，计算量小，但缺点是只适用于全局平移运动和退化模型。空域算法包括非均匀插值法，反向投影迭代法，凸集投影法，最大后验概率法。插值法可以将单幅低分辨率图像插值成一幅密度较高的合成图像，但无法提供额外信息，丢失高频分量无法恢复，在内插过程中无法避免内插误差；凸集投影法退化模型具有一般性，先验知识融入较为方便，但解不唯一，算法严重依赖于初始值的选取，迭代次数较多；最大后验概率法优点在于有唯一解，但收敛速度慢，运算量过大，并且图像细节容易被平滑。