[发明专利]一种图像超分辨率重建方法及系统

说明书

本发明公开了一种图像超分辨率重建方法及系统。所述方法首先获取具有互补信息的多幅低分辨率图像的像素数据，然后根据所述像素数据构建亮度恒定约束与梯度约束选择性结合的数据一致性项，对匹配特征点进行初始流矢量更新，将初始流矢量代入根据所述数据一致性项构造的运动估计变分模型，得到各像素的最优运动流矢量，同时构建基于L0范数的亮度与梯度联合约束图像先验模型的模糊估计能量函数计算最优模糊核，最后根据所述最优运动流矢量和所述最优模糊核建立变分模型得到重建的高分辨率图像。本发明的方法或系统有效地提高了超分辨率重建过程中运动位移矢量和模糊参数的精度，从而获得最优的超分辨率重建结果。

技术领域

本发明涉及图像处理和质量改善技术领域，尤其涉及一种图像超分辨率重建方法及系统。

背景技术

由于成像系统传感器阵列排列密度的限制、欠采样引起的频谱混叠效应、大气影响及平台和景物间的相对运动等原因，制约了图像空间分辨率的提升能力。因此，研究一种提高图像空间分辨率的处理技术，在不改变观测系统的硬件条件下提升图像的成像质量与空间分辨率，具有重要的意义。图像超分辨率重建技术作为一种提升图像空间分辨率的有效方法，通过对一幅或具有互补信息的多幅低分辨率观测图像进行处理，可重构一幅或多幅高分辨率的图像。常用的图像超分辨率重建主要进展包括：基于插值的方法、基于频率域的方法、基于重建的方法和基于学习的方法；目前，利用基于重建的方法，融合多视图像的互补信息进行图像超分辨率重建的技术，可以在不改变成像系统的前提下，实现图像空间分辨率的有效提高，进而改进图像的视觉效果和解译能力。

已有的多幅图像超分辨率重建模型已经很成熟，对于大部分问题都具有普适性，在超模式情况下，现有的正则化模型已能很好的解决各种问题；在理想条件下，最大后验估计(MAP)框架中模型的改进已很难对重建效果产生较大影响，因而本发明尝试从提升模型相关参数求解精度上提高重建的效果。在MAP超分辨率重建框架中，存在许多参数的求解，包括模型参数，如运动位移矢量、模糊函数等。参数的求解精度与重构高分辨率图像密切相关，因此，如何确定高精度的参数来获取最优的超分辨率结果是非常关键的问题。

发明内容

本发明的目的是提供一种图像超分辨率重建方法及系统，可有效地提高超分辨率重建过程中运动位移矢量和模糊参数的精度，从而获得最优的超分辨率重建结果。

为实现上述目的，本发明提供了如下方案：

一种图像超分辨率重建方法，所述方法包括：

获取具有互补信息的多幅低分辨率图像的像素数据；

根据所述像素数据构建亮度恒定约束与梯度约束选择性结合的数据一致性项；

对匹配特征点进行初始流矢量更新，得到更新后的初始流矢量；

根据所述数据一致性项构造运动估计变分模型，将所述更新后的初始流矢量代入所述运动估计变分模型，计算得到各像素的最优运动流矢量；

构建基于L0范数的亮度与梯度联合约束图像先验模型的模糊估计能量函数，根据所述模糊估计能量函数计算最优模糊核；

根据所述最优运动流矢量建立几何运动位移矩阵，根据所述最优模糊核建立模糊矩阵；

根据所述几何运动矩阵和所述模糊矩阵建立变分模型，采用预条件共轭梯度法对所述变分模型进行迭代计算，得到重建的高分辨率图像。

可选的，所述根据所述像素数据构建亮度恒定约束与梯度约束选择性结合的数据一致性项，具体包括：

计算像素点的亮度恒定约束，所述亮度恒定约束计算公式为：

D_I(u,x)＝||I₂(x+u)-I₁(x)||