基于参数自优化多群粒子群优化的视频超分辨重建方法

摘要

本发明公开了一种基于参数自优化的多子群粒子群优化的视频超分辨重建方法，主要解决已有技术中运动估计误差造成重建质量较低，无法较好地完成目标高速运动场景重建、计算复杂度高的问题。其实现过程是：通过获取同一场景的若干低分辨率视频序列，将动态场景内的点表示为空间和时间的三维坐标，建立超分辨率前后的视频序列之间的约束条件，统一考虑时域和空域重建问题，选择恰当的目标函数，采用参数自优化的多群优化方法，把超分辨率问题转化成为满足约束条件的优化问题进行求解，求解结果即为最佳高分辨率重建结果。本发明具有重建视频质量高，不受运动估计影响，智能算法自适应性好，计算量小的优点，可应用于高分辨率视频的获取。

主权项

1.一种基于参数自优化多群粒子群优化的视频超分辨重建方法，包括如下步骤：（1）采集同一场景中的若干低分辨率视频序列，将所有元素按照x-y-t的辞书顺序排列成向量（2）建立视频超分辨重建过程中的约束矩阵：$M\overrightarrow{H}=\overrightarrow{L}+\overrightarrow{N}---1)$其中M是一个与空时模糊核函数对应的稀疏Toeplitz矩阵，向量由为待求解高分辨率序列中的所有元素按照x-y-t的辞书式顺序排列而成的向量，为噪声向量；（3）设超分辨率重建过程中的目标函数为f，其具体形式为：$f={\left|\right|M\overrightarrow{H}-\overrightarrow{L}\left|\right|}^2+\mathrm{Sm}{\left(\overrightarrow{H}\right)}_{x,y,t}+\mathrm{Dt}{\left(\overrightarrow{H}\right)}_{x,y}---2)$其中：$\mathrm{Sm}{\left(\overrightarrow{H}\right)}_{x,y,t}={\lambda }_x{\left|\right|W_x{G}_x\overrightarrow{H}\left|\right|}^2+{\lambda }_y{\left|\right|W_y{G}_y\overrightarrow{H}\left|\right|}^2+{\lambda }_t{\left|\right|W_t{G}_t\overrightarrow{H}\left|\right|}^2,$表示图像光滑程度，$\mathrm{Dt}{\left(\overrightarrow{H}\right)}_{x,y}={({\left|\right|D_x\overrightarrow{H}\left|\right|}^2+||{D_y\overrightarrow{H}\left|\right|}^2+ϵ)}^{-1},$表示图像的细节保持程度，式中，λ_x表示x方向上的图像平滑系数，W_x为x方向上权重矩阵，G_x表示沿着x方向的二阶差分算子，λ_y表示y方向上的图像平滑系数，W_y为y方向上权重矩阵，G_y表示沿着y方向的二阶差分算子，λ_t表示时域t方向上的图像平滑系数，W_t为时域t方向上权重矩阵，G_t表示沿着t方向的二阶差分算子，D_x表示沿x方向的梯度算子，D_y表示沿y方向的梯度算子，ε是一个正的常数，当时域比空域更平滑，则令λ_x＝λ_y＜λ_t，当空域比时域更平滑，则令λ_x＝λ_y＞λ_t；（4）以式1）为约束条件，以式2）为优化的目标函数，高分辨视频序列的向量为令式2）取得最小值的解，其求解过程如下：（4a）设定求解种群的粒子个数Z_s，每个求解种群的粒子为一个候选的高分辨率视频序列向量初始化求解种群，即将低分辨视频序列在空域或时域进行线性插值；（4b）设定参数配置种群的粒子个数Z_c，每个配置种群内的C-粒子为求解种群优化过程所需的参数，并按如下步骤初始化参数配置种群：（4b1）将K-子群进化参数ωk，ck₁，ck₂，r-子群进化参数ωr，cr₁，cr₂，K-子群的繁殖率ρ_k，这7个参数的取值范围设为[0，4]；（4b2）将r-子群的繁殖率ρ_r的取值范围设为[0，20]；（4b3）将r-子群所占比重P_r的取值范围设为[0，0.5]；（4b4）将K-子群的速度收缩因子比T_k，r-子群的速度收缩因子比T_r的取值范围设为[0，1]；（4c）计算求解种群中的每个粒子的对应的目标函数值，按函数值从大到小排列求解粒子，将前Z_s*P_r，0＜P_r＜1个粒子划为r-子群，其余的Z_s*(1-P_r)个粒子为K-子群；（4d）在每个配置种群粒子的配置下，将r-子群和K-子群分别按照r-策略和K-策略进行优化：（4d1）设K-子群的进化参数与r-子群的进化参数条件为：$\left\{\begin{array}{c}\mathrm{\omega k}>\mathrm{\omega r}\\ {\mathrm{ck}}_1<{\mathrm{cr}}_1\\ {\mathrm{ck}}_2<{\mathrm{cr}}_2\\ T_k<T_r\end{array}\right.,$其中，ωk是K-子群的参数惯性因子，ck₁是K-子群的自身认知因子，ck₂是K-子群的社会认知因子，T_k是K-子群的速度收缩因子比；ωr是r-子群的参数惯性因子，cr₁是r-子群的自身认知因子，cr₂是r-子群的社会认知因子，T_r是r-子群的速度收缩因子比；（4d2）设K-子群每个粒子产生ρ_k个后代，r-子群每个粒子产生ρ_r个后代，且满足条件ρ_r＞ρ_k；（4d3）将K-子群和r-子群的所有后代一起按目标函数值从小到大的排序排列；（4d4）设定违反约束程度阈值Vc，计算各粒子违反约束程度值，若粒子违反约束程度值小于Vc，则该粒子可行，否则不可行；（4d5）在满足违反约束条件阈值条件下，保留前Z_s个粒子，作为进化后的新粒子，其余粒子舍弃；若满足违反约束条件阈值粒子数少于Z_s时，将其余粒子按违反约束条件从小到大排序，选取较小部分使后代粒子总数达到Z_s；（4e）求解当前配置下的种群最佳粒子，并以进化得到的最佳粒子适应度来评价对应的配置粒子，执行配置种群的优化过程；（4f）配置种群优化过程结束后得到的最佳求解粒子，即为最佳重建的高分辨率视频序列的向量（5）将重新排列成为三维矩阵，获得重建后的高分辨率视频序列。