[发明专利]序列虹膜图像超分辨率重建方法

摘要

本发明公开了一种序列虹膜图像超分辨率重建方法，首先选取合适的序列虹膜图像，分别进行定位及归一化处理，然后用频域的方法对序列归一化图像进行配准，在图像插值的基础上，采用改进的重复背投影法提取多幅虹膜图像信息对高分辨率虹膜图像进行估计和迭代，实现超分辨率虹膜图像重建。本发明可以有效减小低分辨率虹膜图像对识别性能的影响，提升系统的鲁棒性，放宽对用户的限制，增加虹膜识别系统的应用领域。

主权项

一种序列虹膜图像的超分辨率重建方法，其中至少使用一帧图像对序列虹膜图像进行超分辨力重建，包括以下步骤：S1、从视频中选取序列虹膜图像，分别进行预处理，得到序列归一化虹膜图像；S2、采用频域变换方法对序列归一化虹膜图像进行配准；S3、采用改进的重复背投影法对配准后的归一化虹膜图像进行超分辨率重建；所述步骤S3包括：S31、采用双三次线性插值对配准后的序列归一化图像插值，得到高分辨率的序列归一化虹膜图像S32、对高分辨率图像进行估计和迭代，经过配准后的归一化虹膜图像降质模型表示为：Y→k=DkCkFkX→+E→k---(1)]]>其中，X是用向量表示的高分辨率估计图像，Yk表示输入n帧图像的第k幅图像，Dk表示降采样矩阵，Ck表示模糊矩阵，Fk表示几何变形矩阵，Ek表示噪声；对单帧高分辨率图像做降质处理，依次进行几何变形、模糊、降采样过程及增加噪声，获得低分辨率序列图像Yk；根据式(2)计算每一次迭代后的均方误差：根据式(3)图像的梯度总和▿L(X→)=Σk=1n(FkTCkTDkT(DkCkFkX→-Y→k))---(3)]]>记B→k=FkTCkTDkT(DkCkFkX→-Y→k)---(4)]]>采用式(5)来计算迭代后的图像梯度总和，▿L(X→)(x,y)=Σk=1nB→k---(5)]]>采用高分辨率序列插值图像的降质模型的中值与输入帧数的乘积来代替所有高分辨率序列插值图像的降质模型之和，根据式(6)计算图像的均方误差：▿L(X→)(x,y)≈n·median{B→k(x,y)}k=1n---(6)]]>其中，表示的中值；根据式(7)来对高分辨率估计图像进行迭代：X→n+1=X→n+λ▿L(X→)---(7)]]>S33、计算下一帧输入高分辨率插值图像与当前估计图像的均方误差，根据式(7)再次修正并迭代，直到最后一帧高分辨率插值图像与估计图像间的误差满足收敛条件，输出估计图像得到高分辨率归一化虹膜图像；其中收敛条件为当前迭代与最后三次迭代之间的均方误差小于设定的阈值。