一种序列图像自适应正则超分辨率重建方法

摘要

本发明公开了一种序列图像自适应正则超分辨率重建方法，属于图像增强技术领域。本发明在现有正则化重建方法的基础上，对图像重建正则化目标方程进行改进，引入一个基于形态学的边缘保持算子作用于正则项，对不同的几何结构采用不同的正则约束，在图像的边缘加强图像的约束重建，即采用较小的正则化参数，而在图像的平滑区域采用较大的正则化参数加强正则化。并且每一次边缘保持算子的获取都是随着迭代的进行根据最新的迭代结果自适应的调整。相比现有技术，本发明可有效抑制重建过程中的平滑效应，提高重建高分辨率图像的质量。

主权项

1.一种序列图像自适应正则超分辨率重建方法，包括以下步骤：步骤A、利用以下观测模型对一幅高分辨率图像进行退化处理，得到多幅低分辨率观测图像，y_k＝H_kz+n_k，1≤k≤p，式中，y_k表示第k幅低分辨率观测图像，z表示用于退化的高分辨率图像，H_k为退化矩阵，n_k为加入的噪声向量，p为图像序列所包含的图像幅数；步骤B、利用迭代算法对图像重建正则化目标方程优化求解，得到最终的高分辨率重建图像；其特征在于，所述图像重建正则化目标方程如下式所示：$\hat{z}=\arg \underset{z}{\min }\{{\left|\right|y-\mathrm{Hz}\left|\right|}_2^2+\alpha {\mathrm{AE}}_N*{\left|\right|\mathrm{Qz}\left|\right|}_2^2\},$式中，为高分辨率重建图像；y为序列低分辨率图像，z为用于退化的模拟高分辨率图像，H为降质模型矩阵，α为正则化参数，Q为正则化算子，AE_N为边缘保持算子，且AE_N随迭代过程按照以下方法自适应调整：S1、对前次迭代获得的模拟高分辨率图像分别进行膨胀和腐蚀得到相应的灰度矩阵AE_d和灰度矩阵AE_e；若是首次迭代，则采用对低分辨率图像插值的方法获得模拟高分辨率图像；S2、用膨胀操作后的灰度矩阵AE_d减去腐蚀操作后的灰度矩阵AE_e并对其归一化，得到一个能够体现图像不同形态成分的灰度矩阵AE；S3、对于灰度矩阵AE中的各元素AE(x，y)，根据一预先设定的阈值分别进行如下处理，得到本次迭代的边缘保持算子AE_N：若AE(x，y)大于所述阈值，则将该元素缩小N倍；若AE(x，y)小于所述阈值，则将该元素放大N倍。