像平面不同极轴方向图像序列进行超分辨率重建的方法

摘要

本发明公开了像平面不同极轴方向图像序列进行超分辨率重建的方法，包括以下步骤：步骤一，拍摄一组焦距相同极轴方向不同的低分辨率图像序列，从中选定一副图像作为参考图像，并对图像序列进行预处理；步骤二，利用尺度不变特征变换(Scale Invariant Feature Transform，SIFT)算法获得参考图像与其余图像之间的匹配点对；步骤三，使用随机抽样一致性算法消除错误匹配点，并利用最小二乘法计算参考图像与其余未选定图像之间的映射关系；步骤四，使用最大后验概率方法(Maximum a Posteriori，MAP)进行超分辨率重建。本发明利用亚像素精度图像配准法，对低分辨率的像平面不同极轴方向图像序列进行重建，能够提高目标图像的分辨率，具有一定的创新性。

主权项

像平面不同极轴方向图像序列进行超分辨率重建的方法，其特征在于，包括以下步骤：步骤一，拍摄像平面相同但极轴方向不同的图像序列，从中选出一幅作为参考图像，对图像序列进行预处理；步骤二，利用尺度不变特征变换算法计算参考图像与其余图像的匹配点对；步骤三，使用随机抽样一致性算法消除错误匹配点对，并利用最小二乘法计算参考图像与其余未选定图像之间的映射关系；步骤四，使用最大后验概率方法进行超分辨率重建；所述步骤一包括以下步骤：步骤(11)，拍摄像平面相同但极轴方向不同的图像序列，任选一副图像作为参考图像；步骤(12)，对图像序列进行降噪等图像预处理；所述步骤二包括以下步骤：步骤(21)，尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数检测潜在的尺度、旋转不变的特征点；步骤(22)，特征点定位：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度，依据稳定程度选择特征点；步骤(23)，方向确定：基于图像局部的梯度方向，为每个特征点分配方向；步骤(24)，特征点描述：对特征点周围图像区域分块，计算块内梯度直方图，生成具有独特性的向量；步骤(25)特征点匹配：计算参考图像和其余图像序列中个特征点的特征向量间的欧式距离，根据欧式距离判定两幅图像之间的特征点是否匹配；所述步骤三包括以下步骤：步骤(31)，随机抽取部分匹配点对，估计参数模型，使用随机抽样一致性算法，消除错误的匹配点对；步骤(32)，利用最小二乘法计算参考图像与其余图像之间的映射关系；所述步骤四包括以下步骤：步骤(41)，确定观测模型，假定像平面不同极轴方向图像序列的像素是由一组对应的高分辨率图像像素加权得到的；步骤(42)，以参考图像的插值结果作为初值，结合梯度法求解MAP算子目标函数，确定最优步长，进行迭代计算，获得高分辨图像。