[发明专利]一种超分辨率图像重建方法及系统

说明书

本发明公开一种超分辨率图像重建方法。该重建方法包括：获取多幅低分辨率图像；将低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像，结构部分表示低分辨率图像的整体框架，纹理部分表示低分辨率图像的细节部分；根据低分辨率结构图像，获得高分辨率结构图像；将低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像；根据高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像；采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。本发明通过采用图像融合的方法和迭代反投影法，获得高分辨率图像，提高了图像超分辨率重建效果。

技术领域

本发明涉及图像重建领域，特别是涉及一种超分辨率图像重建方法及系统。

背景技术

超分辨率图像重建是指用一幅或多幅低分辨率图像通过算法转化成高分辨率图像的技术。

目前，超分辨率图像恢复重建主要分为基于插值、基于重建和基于学习的方法。基于插值的方法主要只有双线性插值法和双三次插值法，插值算法的重建效果有限，细节部分不丰富，图像比较模糊。基于重建的方法有迭代反投影法、凸集投影法和最大后验概率估计法，需要多幅高低分辨率图像样本进行训练获得先验知识，虽然能够有效引入先验信息而获得超过单帧插值法的超分辨率效果，但是配准误差的敏感性，可用图像的有限性等限制了重建算法的性能。基于学习的超分辨率方法主要是对大量的高低分辨率图像样本进行训练最终获得图像的先验知识，再对图像进行超分辨率重建。

上述方法对图像的超分辨率重建的效果都比较差，获得图像不清晰。

发明内容

本发明的目的是提供一种能够提高图像超分辨率重建效果的超分辨率图像重建方法及系统。

为实现上述目的，本发明提供了如下方案：

一种超分辨率图像重建方法，所述重建方法包括：

获取多幅低分辨率图像。

将所述低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像，所述结构部分表示所述低分辨率图像的整体框架，所述纹理部分表示所述低分辨率图像的细节部分。

根据所述低分辨率结构图像，获得高分辨率结构图像。

将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像。

根据所述高分辨率结构图像和所述高分辨率纹理图像，采用图像融合的方法获得融合高分辨率图像。

采用迭代反投影法对所述融合高分辨率图像进行多次修正，获得高分辨率图像。

可选的，所述根据所述低分辨率结构图像，获得高分辨率结构图像具体包括：

将所述低分辨率结构图像采用插值滤波的方法计算所述结构部分，获得高分辨率结构图像。

可选的，所述将所述低分辨率纹理图像采用联合训练方法，获得高分辨率纹理图像具体包括：

将所述低分辨率的图像采用K-SVD字典学习方法计算所述纹理部分，获得高分辨率字典和低分辨率字典。

将所述高分辨率字典和所述低分辨率字典采用基于1范数的同伦法算法恢复，获得高分辨率纹理图像。

为了实现上述目的，本发明还提供了如下方案：

一种超分辨率图像重建系统，所述重建系统包括：

低分辨率图像获取模块，用于获取多幅低分辨率图像。

分解模块与所述低分辨率图像获取模块连接，所述分解模块用于将所述低分辨率图像用RTV模型分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像。