[发明专利]可见光图像引导的超低分辨率热红外图像插值算法

说明书

可见光图像引导的超低分辨率热红外图像插值算法，先给定一个输入图像I和一个引导图像G，输出图像O可以通过多组迭代优化而得到。本发明技术方案采用分层多组迭代插值方法获得结果图像，由粗糙层逐渐插值到精细层最终得到高分辨率热红外图像；在每一层采用一次三双次平滑插值和二次引导插值，得到的结果图像作为下一个精细层的稀疏输入；通过上述方式迭代插值至最精细层最终可以获得清晰的高分辨率热红外图像。该算法根据场景表面温度分布与场景物体表面分布相关的规律，利用高分辨率可见光图像提取场景物体表面分布图引导超低分辨率热红外传感器数据插值，可以得到真实场景的温度分布。

技术领域

本发明涉及一种可见光图像引导的低分辨率热红外图像插值算法，属于数字图像处理、数字信号处理领域。

背景技术

对于数字图像而言，分辨率是一个非常重要的质量指标。通常廉价热红外传感器采集到的图像数据分辨率极低，而价格高昂的热红外成像设备成像结果分辨率仍然不够高，无法满足一般的应用需求。

提高图像分辨率算法主要分为三大类：基于插值、基于多帧重构和基于学习的方法。基于插值的算法比较简单，应用广泛，能够满足一定分辨率技术的需求。插值算法根据维度不同又分为多种。比如一维插值算法最近邻插值算法过程简单，计算方便。但在实际的应用中，该方法对图像全局信息的考虑不足，使得结果图像产生很大的误差。二维插值方法中的最近邻域插值法算法过程简单且易于理解和实现，对较小的运算插值速度很快，但是在水平和垂直方向上对图像频谱衰减不够，使得插值结果图像质量不够高。双线性插值会使得图像比较平滑，但是精度不够高。双三次插值会创造更平滑的图像。相较于双线性插值，效果比较好，但是运行速度非常慢。基于多帧重建的图像分辨率算法虽然在图像质量的改善优于插值算法，但是算法的复杂度太高，远超过插值算法的复杂度。基于学习的方法重建图像分辨率起步较晚，并且也需要对适用的图像划分为专用算法与通用算法，但是专用算法只适应于某种特定类型、尺寸的视频或者图像。

发明内容

针对超低分辨率热红外图像，本发明提出了一种可见光图像引导的超低分辨率热红外图像插值算法，该算法是一种利用高分辨率可见光自然图像引导超低分辨率热红外图像插值成为具有清晰细节的高分辨热红外图像的算法。该算法根据场景表面温度分布与场景物体表面分布相关的规律，利用高分辨率可见光图像提取场景物体表面分布图来引导超低分辨率热红外传感器数据插值，可以得到与真实场景温度分布相似的高分辨率热红外图像。

本发明采取的技术方案为：

可见光图像引导的低分辨率热红外图像插值算法，该算法是一种基于加权最小二乘法 (Weighted Least Squares,WLS)的热红外图像快速引导插值(Thermal InfraredImage Fast Guided Interpolation,TIIFGI)算法，具体采用：将低分辨率热红外图像，利用高分辨率可见光图像引导插值成为高分辨率热红外图像。TIIFGI低分辨率热红外图像插值算法，其特征在于：给定一个输入图像I和一个引导图像G，输出图像O可以通过多组迭代优化而得到。本发明技术方案采用分层多组迭代插值方法获得结果图像，由粗糙层逐渐插值到精细层最终得到高分辨率热红外图像；在每一层采用一次三双次平滑插值和二次引导插值，得到的结果图像作为下一个精细层的稀疏输入；通过上述方式迭代插值至最精细层最终可以获得清晰的高分辨率热红外图像。

基于WLS的可见光图像引导的超低分辨率热红外图像插值算法，包括以下步骤：

步骤一：稀疏数据双三次插值：在第l级的插值过程直接采用双三次插值算法将低层次稀疏低分辨率数据S插值成为高层次密集高分辨率数据I；

步骤二：稀疏数据彩色图像引导插值：将引导图像下采样到与当前层数据图像分辨率相同。利用WLS算法，以下采样后的自然图像为引导图像，将低分辨率的数据N插值成为高分辨率数据R；