发明名称 一种基于联合运动估计与超分辨率重建的图像重建方法
摘要 本发明公开了一种基于联合运动估计与超分辨率重建的图像重建方法,包括:(1)对所有低分辨图像进行插值放大;(2)将待重建图像分别与参考图像进行运动估计;(3)对图像进行融合,获得融合图像;(4)对融合图像进行去噪处理,获得超分辨率重建图像。本发明通过把运动估计过程与超分辨率重建过程联合在一起,利用若干不同低分辨率的参考图像相对于待重建图像的运动估计参数之间的关系,在超分辨率重建过程中同时优化运动估计参数的精度,有效地提升了超分辨率重建的效果。因此,本发明方法被广泛应用于卫星遥感生物医学图像,图像修复等领域。
申请公布号 CN102194222B 申请公布日期 2012.12.12
申请号 CN201110104064.2 申请日期 2011.04.26
申请人 浙江大学 发明人 谢立;唐磊
分类号 G06T5/50(2006.01)I 主分类号 G06T5/50(2006.01)I
代理机构 杭州天勤知识产权代理有限公司 33224 代理人 胡红娟
主权项 1.一种基于联合运动估计与超分辨率重建的图像重建方法,包括如下步骤:(1)获取一帧待重建图像和N帧参考图像,对所述的待重建图像和所有参考图像进行插值放大,得到一帧待重建插值图像和N帧参考插值图像,N为大于等于4的自然数;(2)将所述的待重建插值图像分别与N帧参考插值图像进行运动估计,得到N个初始运动估计参数;(3)根据N帧参考插值图像,建立关于图像融合的数学模型,获取所述的待重建插值图像和N个初始运动估计参数,通过融合迭代算法对所述的数学模型进行迭代求解,得到待重建融合图像;所述的关于图像融合的数学模型为:<maths num="0001"><![CDATA[<math><mrow><mi>f</mi><mrow><mo>(</mo><mi>Z</mi><mo>,</mo><msub><mi>F</mi><mn>1</mn></msub><mo>,</mo><msub><mi>F</mi><mn>2</mn></msub><mo>.</mo><mo>.</mo><mo>.</mo><msub><mi>F</mi><mi>N</mi></msub><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>|</mo><mo>|</mo><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msub><mi>F</mi><mi>k</mi></msub><mi>Z</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mi>&lambda;&epsiv;</mi><mrow><mo>|</mo><mi>k</mi><mo>-</mo><mi>i</mi><mo>|</mo></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mo>|</mo><mo>|</mo><msup><mrow><mo>(</mo><msub><mi>F</mi><mi>k</mi></msub><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msup><mrow><mo>(</mo><msub><mi>F</mi><mi>i</mi></msub><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math>]]></maths>式1中:Y<sub>k</sub>为第k帧参考插值图像;F<sub>k</sub>为Y<sub>k</sub>对应的运动估计参数;Z为待重建融合图像;k和i为参考插值图像的帧号,k和i为自然数,且1≤k≤N,1≤i≤N;ε和λ为权重参数;所述的融合迭代算法由以下三式组成:<maths num="0002"><![CDATA[<math><mrow><msup><mi>Z</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>=</mo><msup><mi>Z</mi><mi>n</mi></msup><mo>-</mo><mi>&zeta;</mi><mfrac><mo>&PartialD;</mo><mrow><mo>&PartialD;</mo><mi>Z</mi></mrow></mfrac><mrow><mo>(</mo><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>|</mo><mo>|</mo><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><mi>Z</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mi>&lambda;&epsiv;</mi><mrow><mo>|</mo><mi>k</mi><mo>-</mo><mi>i</mi><mo>|</mo></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mo>|</mo><mo>|</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>i</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0003"><![CDATA[<math><mrow><mfenced open='{' close=''><mtable><mtr><mtd><msubsup><mi>F</mi><mn>1</mn><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>=</mo><msubsup><mi>F</mi><mn>1</mn><mi>n</mi></msubsup><mo>-</mo><mi>&xi;</mi><mfrac><mo>&PartialD;</mo><mrow><mo>&PartialD;</mo><msub><mi>F</mi><mn>1</mn></msub></mrow></mfrac><mrow><mo>(</mo><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>|</mo><mo>|</mo><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><msup><mi>Z</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mi>&lambda;&epsiv;</mi><mrow><mo>|</mo><mi>k</mi><mo>-</mo><mi>i</mi><mo>|</mo></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mo>|</mo><mo>|</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>i</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msubsup><mi>F</mi><mn>2</mn><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>=</mo><msubsup><mi>F</mi><mn>2</mn><mi>n</mi></msubsup><mo>-</mo><mi>&xi;</mi><mfrac><mo>&PartialD;</mo><mrow><mo>&PartialD;</mo><msub><mi>F</mi><mn>2</mn></msub></mrow></mfrac><mrow><mo>(</mo><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>|</mo><mo>|</mo><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><msup><mi>Z</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mi>&lambda;&epsiv;</mi><mrow><mo>|</mo><mi>k</mi><mo>-</mo><mi>i</mi><mo>|</mo></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mo>|</mo><mo>|</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>i</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msubsup><mi>F</mi><mi>N</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>=</mo><msubsup><mi>F</mi><mi>N</mi><mi>n</mi></msubsup><mo>-</mo><mi>&xi;</mi><mfrac><mo>&PartialD;</mo><mrow><mo>&PartialD;</mo><msub><mi>F</mi><mi>n</mi></msub></mrow></mfrac><mrow><mo>(</mo><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>|</mo><mo>|</mo><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><msup><mi>Z</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mi>&lambda;&epsiv;</mi><mrow><mo>|</mo><mi>k</mi><mo>-</mo><mi>i</mi><mo>|</mo></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mo>|</mo><mo>|</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>k</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>k</mi></msub><mo>-</mo><msup><mrow><mo>(</mo><msubsup><mi>F</mi><mi>i</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>Y</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0004"><![CDATA[<math><mrow><mo>|</mo><mo>|</mo><mfrac><mrow><msup><mi>Z</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>-</mo><msup><mi>Z</mi><mi>n</mi></msup></mrow><msup><mi>Z</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msup></mfrac><mo>|</mo><mo>|</mo><mo>&lt;</mo><mi>&eta;</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow></math>]]></maths>式2、3、4中:<img file="FDA0000057381880000021.GIF" wi="79" he="76" />为Y<sub>k</sub>对应的初始运动估计参数第n次迭代后的运动估计参数,其初始值<img file="FDA0000057381880000022.GIF" wi="78" he="86" />为Y<sub>k</sub>对应的初始运动估计参数;Z<sup>n</sup>为待重建插值图像第n次迭代后的融合图像,其初始值Z<sup>0</sup>为待重建插值图像;n为迭代次数;ξ和ζ为迭代步长参数;η为阈值参数;其中,式4是为迭代终止条件,当式4成立,融合迭代算法终止,输出Z<sup>n+1</sup>,将Z<sup>n+1</sup>作为待重建融合图像;(4)对所述的待重建融合图像进行去噪声,去模糊处理,得到超分辨率重建图像。
地址 310027 浙江省杭州市西湖区浙大路38号