[发明专利]一种高分辨率图像的重建方法及系统

说明书

本发明实施例提供一种高分辨率图像的重建方法及系统。方法包括：根据待重建图像、全变分正则项和分数阶全变分正则项构建目标图像的约束函数；根据待重建图像的平滑纹理特征确定分数阶；根据约束函数对目标图像进行近端映射获得去躁函数并利用变量分裂法和算子分裂法获得去躁函数对应的第一子公式和第二子公式；利用偏差原理获得全变分正则项对应的第一正则化参数和分数阶全变分正则项对应的第二正则化参数；根据第一正则化参数计算获得第一子公式中的第一子变量，根据第二正则化参数计算获得第二子公式中的第二子变量；根据第一子变量和第二子变量重建获得所述目标图像。所述系统用于执行所述方法。本发明实施例提高了重建的高分辨率图像的质量。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种高分辨率图像的重建方法及系统。

背景技术

高分辨率图像(High-Resolution，HR)在遥感、医学成像、视频监控等实际应用中有很重要的作用，因为它能提供很多关键的信息。然而目前的图像分辨率不能满足日益增长的应用需求。因此，提升图像分辨率的研究十分必要。单幅图像超分辨率重建是用图像处理的知识将低分辨率图像转化成高分辨率图像的一种有效方法。

数学上，由于低分辨率图像的数量不足，单幅图像超分辨重建是一个病态性逆问题，对于该问题，可以通过附加先验知识、添加正则项来解决。最近，全变分(TotalVariation，TV)正则项广泛的应用于超分辨率图像重建。但是全变分不能很好的恢复图像的纹理等细微细节，而且重建出的图像容易出现阶梯效应。为了解决这个问题，在全变分中引入分数阶微分，也就是分数阶全变分(Fractional Order Total Variation，FOTV)。与整数阶微分全变分不同，分数阶全变分使用了更多的邻近像素信息。

最近，研究人员又提出了许多将FOTV和其他稀疏项，如全变分或者小波，结合起来的方法，用于进一步提升重建图像的质量。然而这些方法的实施又两个困难：(1)FOTV中导数的分数阶α需要选择的很合适，有研究表明FOTV的性能取决于分数阶的选择。当1α2时，α越大，图像的纹理特征保留的越好。然而，当α接近2时，纹理由于过度增强会变成噪声。因此，α需要根据图像的局部特征自适应的设定在1-2。(2)用多个正则项约束图像来建立超分辨率重建模型，需要提前设定正则化参数。虽然已经有很多自适应设定正则化参数的方法，如偏差原理，广义交叉验证法，L曲线法，无偏估计风险预测法,优化最小化法，变分贝叶斯法等，但是由于重建模型的复杂性，这些方法难以直接应用。所以自适应调节重建模型中的正则化参数具有挑战性。如果α和正则化参数设定有问题那么重建出来的高分辨率的质量也相应比较低。

发明内容

有鉴于此，本发明实施例的目的在于提供一种高分辨率图像的重建方法及系统，以解决上述技术问题。

第一方面，本发明实施例提供了一种高分辨率图像的重建方法，包括：

根据待重建图像、全变分正则项和分数阶全变分正则项构建目标图像的约束函数，所述待重建图像的分辨率低于所述目标图像的分辨率；

根据所述待重建图像的平滑纹理特征确定所述分数阶全变分正则项中的分数阶；

根据所述约束函数对所述目标图像进行近端映射获得去躁函数，并利用变量分裂法和算子分裂法获得所述去躁函数对应的第一子公式和第二子公式，所述第一子公式包括所述全变分正则项，所述第二子公式包括所述分数阶全变分正则项；

利用偏差原理计算获得所述全变分正则项对应的第一正则化参数和所述分数阶全变分正则项对应的第二正则化参数；

根据所述第一正则化参数计算获得所述第一子公式中的第一子变量，根据所述第二正则化参数计算获得所述第二子公式中的第二子变量；

根据所述第一子变量和所述第二子变量重建获得所述目标图像。

进一步地，所述约束函数为：