CN105405099A - 一种基于点扩散函数的水下图像超分辨率重建方法 - Google Patents
一种基于点扩散函数的水下图像超分辨率重建方法 Download PDFInfo
- Publication number
- CN105405099A CN105405099A CN201510727607.4A CN201510727607A CN105405099A CN 105405099 A CN105405099 A CN 105405099A CN 201510727607 A CN201510727607 A CN 201510727607A CN 105405099 A CN105405099 A CN 105405099A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- point spread
- spread function
- restored image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000015556 catabolic process Effects 0.000 claims abstract description 7
- 238000006731 degradation reaction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000011084 recovery Methods 0.000 abstract 6
- 238000003384 imaging method Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 239000012736 aqueous medium Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种点扩散函数的水下图像超分辨率重建方法,能够提高水下图像的分辨率。本方法包括以下几个步骤:首先获取连续帧的激光距离选通图像,以第一帧作为参考帧,将参考帧作为复原图像,将第二帧图像作为观测图像;针对复原图像和观测图像进行盲解卷积处理,获得当前帧的点扩散函数,然后使用点扩散函数对复原图像进行更新;以此类推,顺次将下一帧图像更新为观测图像,对更新后的复原图像和观测图像进行盲解卷积处理求得点扩散函数并继续更新复原图像,直至得到最后一个复原图像,将该复原图像与参考帧做盲解卷积的处理,求得最终的点扩散函数,用于替代POCS算法中的退化模型,改进POCS算法,提高图像的分辨率。
Description
技术领域
本发明涉及水下图像超分辨率重建领域,尤其涉及一种基于点扩散函数的水下图像超分辨率重建方法。
背景技术
近年来,随着人类对海洋资源开发的不断深入,水下视觉已成为海底目标检测、海洋地理工程及海洋军事等领域不可或缺的组成部分。在水下环境中,由于水介质造成光强衰减、前后向散射噪声等因素影响,造成成像质量较差,细节模糊,难以获得准确信息。因此可以通过超分辨率重建的方法对图像进行处理,以获得更加清晰分辨率更高的图像。
水下激光距离选通成像技术是当下较为成熟的水下光电成像技术之一,对于提高水下成像***的成像质量具有良好的效果。激光距离选通成像的原理如图2所示。水体的光学窗口大致在480~550nm,所以水下距离选通成像方式常以Nd:YAG固体脉冲激光器作为照射光源,T0时刻激光发射入射光照明目标物体,由于ICCD探测器上的选通门关闭,水体的大量后向散射光不能进入探测器,探测完整目标所需时间ΔT,T1时刻目标反射光到达探测器,选通门开启ΔT的时间,ICCD对探测目标完整成像,由此可屏蔽掉大部分的水体后向散射光,增加水下光电成像***的作用距离。水下距离选通成像技术的应用,可以将水下光电成像设备的探测距离提高3~5倍。
凸集投影法(ProjectionsOntoConvexSets,POCS)在众多超分辨率重建的算法中具有重要的地位。在POCS算法中,退化函数是重要的先验知识。然而在不同的水域、不同的光照条件下,水下图像的退化程度差异很大,退化函数具有不确定性。目前对于水下图像的退化模型尚鲜见***定量的研究。
发明内容
有鉴于此,本发明提供了一种基于点扩散函数的水下图像超分辨率重建方法,能够求解水下连续帧图像的退化函数,即点扩散函数,运用到POCS算法中,从而提高水下图像的分辨率。
为了达到上述目的,本发明的技术方案为包括以下几个步骤:
S1:采用激光距离选通的方法对靶标拍摄一组连续帧图像,以连续帧图像中的第一帧作为参考帧,将参考帧作为复原图像,将第二帧图像作为观测图像。
S2:针对复原图像和观测图像进行盲解卷积处理,获得当前帧的点扩散函数,然后使用当前帧的点扩散函数对复原图像进行更新。
S3:将观测图像更新为第三帧图像,针对更新后的复原图像和观测图像进行盲解卷积处理,求得当前帧的点扩散函数,然后使用当前帧的点扩散函数对复原图像进行更新。
S4:依此类推,最终得到以最后一帧图像为观测图像时更新后的复原图像;将该更新后的复原图像与参考帧做盲解卷积的处理,求得最终的点扩散函数。
S5:将最终的点扩散函数带入凸集投影法POCS算法中,替换凸集投影法POCS算法中图像的退化模型,改进POCS算法,提高水下图像的分辨率。
进一步地,盲解卷积的处理包括:求解第t帧图像与复原图像的点扩散函数 其中复原图像xt的迭代公式为:
式中ft表示第t帧图像与复原图像求解的点扩散函数;Ft为只与ft相关的函数,ft*xt=Ft·xt,*表示卷积运算;⊙表示矩阵中对应元素相乘,||||为范数求解符号;t表示第t帧,t的取值2~N;xt为复原图像,xt的初始值x1为参考帧;yt为观测图像,yt的初始值y2为第二帧图像;将x1、y2带入公式1中,求解得到f2;将求得的f2以及x1、y2带入公式2中得到x2,以此类推,顺次获得复原图像x2~xN。
有益效果:
本发明所提供的一种基于点扩散函数的水下图像超分辨率重建方法,能够通过对水下连续帧图像进行处理,使用循环迭代的方法估计水下连续帧图像点扩散函数,由此获得的点扩散函数能够更为真实地反映连续帧的图像退化程度,将该点扩散函数运用到POCS算法中,能够改进POCS算法,提高水下图像的分辨率。
附图说明
图1为本发明为实施例的方法流程图;
图2为水下激光距离选通成像***图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
图1为本方法流程图:
步骤S1:采用激光距离选通的方法对靶标拍摄一组连续帧图像,以连续帧图像中的第一帧作为参考帧,将参考帧作为复原图像,将第二帧图像作为观测图像。
步骤S2:以第二帧图像作为观测图像,针对复原图像和观测图像进行盲解卷积处理,获得当前帧的点扩散函数,然后使用当前帧的点扩散函数对复原图像进行更新。
盲解卷积采用如下公式1和公式2计算;
公式1:
公式1:
式中ft表示第t帧图像与复原图像求解的点扩散函数;Ft为只与ft相关的函数,ft*xt=Ft·xt,*表示卷积运算;⊙表示矩阵中对应元素相乘,||||为范数求解符号;⊙表示矩阵中对应元素相乘;t表示第t帧,t的取值2~N;xt为复原图像,xt的初始值x1为参考帧;yt为观测图像,yt的初始值y2为第二帧图像;将x1、y2带入公式1中,使用LBFGS优化算法求解得到f2;将求得的f2以及x1、y2带入公式2中得到x2,以此类推,顺次获得复原图像x2~xN。
步骤S3:以第三帧图像作为观测图像,针对更新后的复原图像和观测图像进行盲解卷积处理,求得当前帧的点扩散函数,然后使用当前帧的点扩散函数对复原图像进行更新;
步骤S4:依此类推,最终得到以最后一帧图像为观测图像时更新后的复原图像;将该更新后的复原图像与参考帧做盲解卷积的处理,求得最终的点扩散函数f1。
步骤S5:将最终的点扩散函数带入凸集投影法POCS算法中,替换凸集投影法POCS算法中图像的退化模型,进而改进POCS算法,提高图像的分辨率。其中POCS算法一般包括如下具体步骤:
步骤S501:对参考帧做双三次线性插值使其达到期望的高分辨率,作为初始估计。
步骤S502:对于观测序列中的每一个运动估计准确的像素,在运动向量场中找到该像素映射到当前估计的高分辨率图像中的像素位置,以及PSF(w)作用下的像素。此处的w即为POCS算法中图像的退化模型,本方法在该处使用上文所求的最终的点扩散函数f1来替代w。
步骤S503:模拟图像获取过程,得到该像素的估计值,并计算实际像素值与估计值之间的残差,如果残差超出设定的残差限,则需对估计值进行修正,使得残差减小到残差限以内。
步骤S504:修正迭代当前的高分辨率估计,直至达到可以接受的范围,获得重建图像。
综上,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于点扩散函数的水下图像超分辨率重建方法,其特征在于,包括以下几个步骤:
S1:采用激光距离选通的方法对靶标拍摄一组连续帧图像,以连续帧图像中的第一帧作为参考帧,将参考帧作为复原图像,将第二帧图像作为观测图像;
S2:针对复原图像和观测图像进行盲解卷积处理,获得当前帧的点扩散函数,然后使用当前帧的点扩散函数对复原图像进行更新;
S3:将观测图像更新为第三帧图像,针对更新后的复原图像和观测图像进行盲解卷积处理,求得当前帧的点扩散函数,然后使用当前帧的点扩散函数对复原图像进行更新;
S4:依此类推,最终得到以最后一帧图像为观测图像时更新后的复原图像;将该更新后的复原图像与所述参考帧做盲解卷积的处理,求得最终的点扩散函数;
S5:将所述最终的点扩散函数代入凸集投影法POCS算法中,替换凸集投影法POCS算法中图像的退化模型,获得重建图像。
2.根据权利要求1所述的水下图像超分辨率重建方法,其特征在于,所述盲解卷积的处理包括:
求解第t帧的点扩散函数
其中复原图像xt的迭代公式为:
式中ft表示第t帧图像与复原图像求解的点扩散函数;Ft为只与ft相关的函数,ft*xt=Ft·xt,*表示卷积运算;⊙表示矩阵中对应元素相乘,||||为范数求解符号;t表示第t帧,t的取值2~N;xt为复原图像,xt的初始值x1为参考帧;yt为观测图像,yt的初始值y2为第二帧图像;将x1、y2带入公式1中,求解得到f2;将求得的f2以及x1、y2带入公式2中得到x2,以此类推,顺次获得复原图像x2~xN。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510727607.4A CN105405099A (zh) | 2015-10-30 | 2015-10-30 | 一种基于点扩散函数的水下图像超分辨率重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510727607.4A CN105405099A (zh) | 2015-10-30 | 2015-10-30 | 一种基于点扩散函数的水下图像超分辨率重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105405099A true CN105405099A (zh) | 2016-03-16 |
Family
ID=55470567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510727607.4A Pending CN105405099A (zh) | 2015-10-30 | 2015-10-30 | 一种基于点扩散函数的水下图像超分辨率重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105405099A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443704A (zh) * | 2016-10-11 | 2017-02-22 | 中国人民解放军陆军军官学院 | 一种大面阵距离选通激光成像的纵向扫描合成方法 |
CN107292819A (zh) * | 2017-05-10 | 2017-10-24 | 重庆邮电大学 | 一种基于边缘细节保护的红外图像超分辨率重建方法 |
CN110062164A (zh) * | 2019-04-22 | 2019-07-26 | 深圳市商汤科技有限公司 | 视频图像处理方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800071A (zh) * | 2012-06-20 | 2012-11-28 | 南京航空航天大学 | 序列图像pocs超分辨率重建方法 |
CN103136734A (zh) * | 2013-02-27 | 2013-06-05 | 北京工业大学 | POCS超分辨率图像重建时边缘Halo效应的抑制方法 |
CN103268599A (zh) * | 2013-04-19 | 2013-08-28 | 中国科学院长春光学精密机械与物理研究所 | 多线阵ccd亚像元错位成像超分辨率重构方法 |
-
2015
- 2015-10-30 CN CN201510727607.4A patent/CN105405099A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800071A (zh) * | 2012-06-20 | 2012-11-28 | 南京航空航天大学 | 序列图像pocs超分辨率重建方法 |
CN103136734A (zh) * | 2013-02-27 | 2013-06-05 | 北京工业大学 | POCS超分辨率图像重建时边缘Halo效应的抑制方法 |
CN103268599A (zh) * | 2013-04-19 | 2013-08-28 | 中国科学院长春光学精密机械与物理研究所 | 多线阵ccd亚像元错位成像超分辨率重构方法 |
Non-Patent Citations (2)
Title |
---|
HARMELING S ET AL: "《Online blind deconvolution for astronomical imaging》", 《COMPUTATIONAL PHOTOGRAPHY (ICCP), 2009 IEEE INTERNATIONAL CONFERENCE ON》 * |
谌雨章: "《激光水下成像的图像复原及超分辨率重建算法研究》", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443704A (zh) * | 2016-10-11 | 2017-02-22 | 中国人民解放军陆军军官学院 | 一种大面阵距离选通激光成像的纵向扫描合成方法 |
CN106443704B (zh) * | 2016-10-11 | 2019-04-16 | 中国人民解放军陆军军官学院 | 一种大面阵距离选通激光成像的纵向扫描合成方法 |
CN107292819A (zh) * | 2017-05-10 | 2017-10-24 | 重庆邮电大学 | 一种基于边缘细节保护的红外图像超分辨率重建方法 |
CN110062164A (zh) * | 2019-04-22 | 2019-07-26 | 深圳市商汤科技有限公司 | 视频图像处理方法及装置 |
CN110062164B (zh) * | 2019-04-22 | 2021-10-26 | 深圳市商汤科技有限公司 | 视频图像处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shimizu et al. | Super-resolution from image sequence under influence of hot-air optical turbulence | |
CN101616310B (zh) | 可变视角及分辨率的双目视觉***目标图像稳定化方法 | |
CN110738731B (zh) | 一种用于双目视觉的3d重建方法和*** | |
CN105405099A (zh) | 一种基于点扩散函数的水下图像超分辨率重建方法 | |
Lee et al. | Dynavsr: Dynamic adaptive blind video super-resolution | |
CN105931185A (zh) | 一种多视角图像自动拼接方法 | |
CN110288539A (zh) | 一种结合颜色空间移动与暗通道先验的水下图像清晰方法 | |
CN106101588A (zh) | 全景图像渐晕现象的补偿方法 | |
CN104281999A (zh) | 基于结构信息的单幅图像去雾方法 | |
CN105635808A (zh) | 一种基于贝叶斯理论的视频拼接方法 | |
Dai et al. | Flare7k++: Mixing synthetic and real datasets for nighttime flare removal and beyond | |
CN106846250A (zh) | 一种基于多尺度滤波的超分辨率重建方法 | |
CN112017122B (zh) | 超分辨成像方法 | |
Ning et al. | Image restoration for optical synthetic aperture system via variational physics-informed network | |
Yang et al. | Distorted image restoration via non-rigid registration and lucky-region fusion approach | |
CN115719319A (zh) | 一种基于物理先验与深度学习的单幅图像去雾方法 | |
CN104394334B (zh) | 图像传感器在轨噪声智能抑制方法 | |
Faramarzi et al. | Space-time super-resolution from multiple-videos | |
CN104933693A (zh) | 一种用于有饱和像素场景的多幅图像复原方法 | |
Tanay et al. | Efficient view synthesis and 3d-based multi-frame denoising with multiplane feature representations | |
JP2013069012A (ja) | 多眼撮像装置 | |
Bercea et al. | Confidence-aware levenberg-marquardt optimization for joint motion estimation and super-resolution | |
CN118102093B (zh) | 一种基于电机驱动的镜头调焦方法和*** | |
López-Martínez et al. | Fast image restoration algorithm based on camera microscanning | |
CN107749051A (zh) | 一种基于均值滤波的简单透镜空间变化模糊核平滑方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160316 |
|
WD01 | Invention patent application deemed withdrawn after publication |