CN106920213A - 一种高分辨率图像的获取方法及*** - Google Patents
一种高分辨率图像的获取方法及*** Download PDFInfo
- Publication number
- CN106920213A CN106920213A CN201710036911.3A CN201710036911A CN106920213A CN 106920213 A CN106920213 A CN 106920213A CN 201710036911 A CN201710036911 A CN 201710036911A CN 106920213 A CN106920213 A CN 106920213A
- Authority
- CN
- China
- Prior art keywords
- interpolation
- definition picture
- pixel
- image
- resolution
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000003190 augmentative effect Effects 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 4
- 230000003416 augmentation Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 5
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000012805 post-processing Methods 0.000 description 5
- 230000003321 amplification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000009828 non-uniform distribution Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高分辨率图像的获取方法及***。该方法包括:获取多幅低分辨率图像;对多幅所述低分辨率进行插值处理,得到插值后的高分辨率图像;建立带全变差正则化的L1保真项的去噪模型;采用所述去噪模型对所述插值后的高分辨率图像进行处理,得到去噪后的高分辨率图像。本发明提供的高分辨率图像的获取方法及***能够克服图像插值后的边界模糊的缺陷,有效提高图像的分辨率。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种高分辨率图像的获取方法及***。
背景技术
高分辨率成像是遥感图像中的重要研究对象,但是由于受到光学***如成像孔径大小的限制,导致通过增加光学***的焦距来获取更高分辨率的图像受到了限制。而2002年发射的SPOT5遥感卫星首次采用了亚像元采样技术,利用交错排列的传感器产生一系列的低分辨率图像,并通过高分辨率重建算法得到分辨率较高的图像。在此基础上,人们研究了多种斜采样模式来进行亚像元级别采样。
另一方面由斜采样***可以得到的一系列低分辨图像,通过合适的图像超分辨率重建算法,可以得到分辨率较高的空间高分辨率图像,为实际应用提供高质量的图像。目前常见的方法有:图像域或者小波域插值方法,凸集投影迭代法,Landweber迭代及其加速算法,最大后验概率方法等。
由于斜采样模式的特殊性,在该采样模式下图像之间的几何关系是已知的,在不考虑采样模式本身的误差的情况下,可以假设由斜采样***得到的图像是已经经过了高精度配准的低分辨率图像,其噪声水平比较低。图像域插值法的主要思想是选取序列图像中的某一幅图像做为参考图像,根据配准得到的运动参数将其他序列图像映射到参考图像对应的高分辨率网格上,得到非均匀分布的空间采样,然后对所得到的非均匀分布的空间采样图进行非均匀插值处理,从而得到所有整数格网点的像素值。图像域非均匀插值方法具有算法简单,适合线上操作等优点,但是所得到的高分辨率图像会在在图像的边界处(即相邻像素点之间的灰度值落差比较大的地方)造成部分模糊,这一类模糊并不具有特定的模糊核,故一般的模糊核估计的方法并不适用,影响着高分辨率图像的质量。
发明内容
本发明的目的是提供一种高分辨率图像的获取方法及***,能够克服图像插值后的边界模糊的缺陷,有效提高图像的分辨率。
为实现上述目的,本发明提供了如下方案:
一种高分辨率图像的获取方法,所述方法包括:
获取多幅低分辨率图像;
对多幅所述低分辨率进行插值处理,得到插值后的高分辨率图像;
建立带全变差正则化的L1保真项的去噪模型;
采用所述去噪模型对所述插值后的高分辨率图像进行处理,得到去噪后的高分辨率图像。
可选的,所述获取多幅低分辨率图像,具体包括:
对图像进行斜采样,得到斜采样图像;
获取多幅所述斜采样图像。
可选的,所述对多幅所述低分辨率图像进行插值处理,得到插值后的高分辨率图像,具体包括:
构建高分辨率图像网格;
根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像。
可选的,所述根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像,具体包括:
选取所述网格点附近的一个所述低分辨率图像中的像素点,将所述像素点标记为第一邻近像素点;
在所述邻近像素点所在的所述低像素图像中,选取与所述邻近像素点相邻的三个像素点,将三个所述像素点标记为第二邻近像素点,所述第一邻近像素点与所述第二邻近像素点构成一个正方形区域;
获取除所述第一邻近像素点所在的所述低分辨率图像外的低分辨率图像中的区域像素点,所述区域像素点为位于所述正方形区域中的像素点;
获取所述第一邻近像素点、第二邻近像素点和区域像素点的像素值;
根据所述第一邻近像素点、第二邻近像素点和区域像素点的像素值和所述网格点的位置,采用双线性插值函数计算所述网格点的像素值。
可选的,所述建立带全变差正则化的L1保真项的去噪模型,具体包括:
建立带全变差正则化的L1保真项的去噪模型其中,X为待解的高分辨率图像的像素值矩阵,Y为所述插值后的高分辨率图像的像素值矩阵,α为正则化参数,▽Xi,j为矩阵▽X第i行第j列所对应的值,其中▽表示梯度算子。
可选的,所述采用所述去噪模型对所述插值后的高分辨率图像进行处理,具体包括:
确定所述去噪模型的增广拉格朗日函数;
获取所述增广拉格朗日函数的迭代公式;
将所述插值后的高分辨率图像的像素值带入所述增广拉格朗日函数的迭代公式,得到去噪后的高分辨率图像的像素值。
本发明还了一种提高图像分辨率的***,所述***包括:
低分辨率图像获取模块,用于获取多幅低分辨率图像;
插值处理模块,用于对多幅所述低分辨率进行插值处理,得到插值后的高分辨率图像;
去噪模型建立模块,用于建立带全变差正则化的L1保真项的去噪模型;
去噪模块,用于采用所述去噪模型对所述插值后的高分辨率图像进行处理,得到去噪后的高分辨率图像。
可选的,所述低分辨率图像获取模块,具体包括:
斜采样单元,用于对图像进行斜采样,得到斜采样图像;
斜采样图像获取单元,用于获取多幅所述斜采样图像。
可选的,所述插值处理模块,具体包括:
高分辨率图像网格构建单元,用于构建高分辨率图像网格;
高分辨率图像确定单元,用于根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像。
可选的,所述高分辨率图像确定单元,具体包括:
第一邻近像素点选取子单元,用于选取所述网格点附近的一个所述低分辨率图像中的像素点,将所述像素点标记为第一邻近像素点;
第二邻近像素点选取子单元,用于在所述邻近像素点所在的所述低像素图像中,选取与所述邻近像素点相邻的三个像素点,将三个所述像素点标记为第二邻近像素点,所述第一邻近像素点与所述第二邻近像素点构成一个正方形区域;
区域像素点获取子单元,用于获取除所述第一邻近像素点所在的所述低分辨率图像外的低分辨率图像中的区域像素点,所述区域像素点为位于所述正方形区域中的像素点;
像素值获取子单元,用于获取所述第一邻近像素点、第二邻近像素点和区域像素点的像素值;
网格点像素值计算子单元,用于根据所述第一邻近像素点、第二邻近像素点和区域像素点的像素值和所述网格点的位置,采用双线性插值函数计算所述网格点的像素值。
可选的,所述去噪模型建立模块,具体包括:
去噪模型建立单元,用于建立带全变差正则化的L1保真项的去噪模型其中,X为待解的高分辨率图像的像素值矩阵,Y为所述插值后的高分辨率图像的像素值矩阵,α为正则化参数,▽Xi,j为矩阵▽X第i行第j列所对应的值,其中▽表示梯度算子。
可选的,所述去噪模块,具体包括:
增广拉格朗日函数确定单元,用于确定所述去噪模型的增广拉格朗日函数;
迭代公式获取单元,用于获取所述增广拉格朗日函数的迭代公式;
高分辨率图像像素值单元,用于将所述插值后的高分辨率图像的像素值带入所述增广拉格朗日函数的迭代公式,得到去噪后的高分辨率图像的像素值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明通过对低分辨率图像进行插值处理以及采用带全变差正则化的L1保真项的去噪模型对插值后的高分辨率图像进行去噪处理,克服了现有技术中经过插值处理的高分辨率图像的边界模糊的缺陷,有效提高了图像的分辨率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例高分辨率图像的获取方法流程示意图;
图2为本发明实施例中的五幅低分辨率序列靶标图像;
图3为本发明实施例中插值算法得到的图像;
图4为本发明实施例中ADMM后处理算法所得到的图像;
图5为本发明实施例中低分辨率靶标图像、插值图像、ADMM后处理图像部分放大比较的图像;
图6为本发明实施例高分辨率图像的获取***结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种高分辨率图像的获取方法及***,能够克服图像插值后的边界模糊的缺陷,有效提高图像的分辨率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例高分辨率图像的获取方法流程示意图,如图1所示,高分辨率图像的获取方法步骤如下:
步骤101:获取多幅低分辨率图像;
步骤102:对多幅所述低分辨率进行插值处理,得到插值后的高分辨率图像;
步骤103:建立带全变差正则化的L1保真项的去噪模型;
步骤104:采用所述去噪模型对所述插值后的高分辨率图像进行处理,得到去噪后的高分辨率图像。
其中,步骤101获取多幅低分辨率图像,具体包括:
对图像进行斜采样,得到斜采样图像;
获取多幅所述斜采样图像。
步骤102对多幅所述低分辨率图像进行插值处理,得到插值后的高分辨率图像,具体包括:
构建高分辨率图像网格;
根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像,具体为:
选取所述网格点附近的一个所述低分辨率图像中的像素点,将所述像素点标记为第一邻近像素点;
在所述邻近像素点所在的所述低像素图像中,选取与所述邻近像素点相邻的三个像素点,将三个所述像素点标记为第二邻近像素点,所述第一邻近像素点与所述第二邻近像素点构成一个正方形区域;
获取除所述第一邻近像素点所在的所述低分辨率图像外的低分辨率图像中的区域像素点,所述区域像素点为位于所述正方形区域中的像素点;
获取所述第一邻近像素点、第二邻近像素点和区域像素点的像素值;
根据所述第一邻近像素点、第二邻近像素点和区域像素点的像素值和所述网格点的位置,采用双线性插值函数计算所述网格点的像素值。
步骤103建立带全变差正则化的L1保真项的去噪模型,具体包括:
建立带全变差正则化的L1保真项的去噪模型其中,X为待解的高分辨率图像的像素值矩阵,Y为所述插值后的高分辨率图像的像素值矩阵,α为正则化参数,▽Xi,j为矩阵▽X第i行第j列所对应的值,其中▽表示梯度算子。能够有效的去除由插值算法引起的图像边界的模糊,较好得提高图像的分辨率。
其中,L1保真项是基于L1范数下的,将插值得到的图像X与需要得到的图像Y之间保持大部分是一致的。在模型中体现在这一项。
步骤104采用所述去噪模型对所述插值后的高分辨率图像进行处理,具体包括:
确定所述去噪模型的增广拉格朗日函数;
获取所述增广拉格朗日函数的迭代公式;
将所述插值后的高分辨率图像的像素值带入所述增广拉格朗日函数的迭代公式,得到去噪后的高分辨率图像的像素值。
作为本发明的一个具体的实施例,首先选取五幅给定的低分辨率序列靶标图像(斜采样图像)作为实验图像,图2为本发明实施例中的五幅低分辨率序列靶标图像,如图2所示,以图2(a)为400×400参考图,图2(b)相对于图2(a)在x方向上位移了0.4个像元,在y方向上位移了0.2个像元;图2(c)相对于图2(a)在x方向上位移了0.8个像元,在y方向上位移了0.4个像元;第2(d)幅图相对于图2(a)在x方向上位移了1.2个像元,在y方向上位移了0.6个像元;图2(e)相对于图2(a)在x方向上位移了1.6个像元,在y方向上位移了0.8个像元。图3为本发明实施例中插值算法得到的图像,如图3所示,对五幅给定的低分辨率序列靶标图像进行插值处理,得到插值图像,再建立带TV正则化的L1保真项去噪模型,并引入辅助变量,得出模型的增广拉格朗日函数,最后导出拉格朗日函数的迭代格式,从而解得后处理图像,如图4所示,图4为本发明实施例中ADMM后处理算法所得到的图像。其中主要包括插值图像的计算、去噪模型的建立、增广拉格朗日函数的建立和求解。
具体流程如下:
计算插值图像:
给定5幅已知相对位置的分辨率为400×400低分辨率图像,构造分辨率为800×800超分辨率图像网格。对于高分辨率图像中的每一个网格点,选取该网格点附近的一个低分辨率图像像素点和在低像素图像中与该像素对应的图像的相邻的三个像素点,该四个点形成一个包含高分辨率网格点的正方形区域。由于斜采样模式的特性,在这个正方形区域内,还包含了其他低分辨率图像中的一个像素点,则该正方形区域内存在8个已知位置的像素点(4个正方形区域顶点对应的像素点和其他4幅图像中每个图像都有一个点在正方形区域内)和已知位置的网格点。用双线性函数对该区域进行近似逼近来计算网格点的像素值。假设该区域内的点满足双线性函数为a+b x+c y+d x y,已知8个像素点的值和相对位置,分别记为:
(x1,y1,z1),(x2,y2,z2),(x3,y3,z3),(x4,y4,z4),(x3,y5,z5),(x6,y6,z6),(x7,y7,z7),(x8,y8,z8)
而高分辨率图像网格点的值和位置,记为(x,y,z),其中x,y是已知的。为了求出参数(a,b,c,d),从而得到z点的像素值,可以用矩阵的形式表达为
上述问题等价于解超定方程Ax=b;其最小二乘解满足ATAx=ATb;从而得到插值图像。
建立去噪模型:
模型的基本形式是:
X为待解的高分辨率图像,Y为由插值算法得到的图像。这里X的TV模定义如下:
正则化参数α用来平衡数据保真项和正则化项。这里为保真项,α||X||TV为正则项。为矩阵第i行第j列所对应的值,其中▽表示梯度算子。
建立增广拉格朗日函数:
引入辅助变量Z=X-Y和W=▽X,得出上述模型的增广拉格朗日函数,为:
其中ρ1,ρ2为任意的正常数,λ,μ是对应于等式约束的拉格朗日乘子。
求解增广拉格朗日函数:
导出拉格朗日函数的迭代格式,从而解得X;
方法的迭代格式可以写成如下形式:
这里X-子问题是一个二次最小问题,可以直接求得其解为:
W-子问题和Z-子问题也具有显式表达式:
这里函数T是软阈值算子,其表达式为:
图5为本发明实施例中低分辨率靶标图像、插值图像、ADMM后处理图像部分放大比较的图像,如图5所示,图5(a)低分辨率靶标图像,图5(b)为经过插值处理后的图像,图5(c)为采用本发明提供的方法对低分辨率图像进行处理后得到的图像,可见,采用本发明提供的方法对低分辨率图像进行处理后,图像的分辨率得到了大大的提高。
本发明提供的高分辨率图像的获取方法,通过对低分辨率图像进行插值处理以及采用带全变差正则化的L1保真项的去噪模型对插值后的高分辨率图像进行去噪处理,克服了现有技术中经过插值处理的高分辨率图像的边界模糊的缺陷,有效提高了图像的分辨率。
本发明还提供了一种高分辨率图像的获取***,图6为本发明实施例高分辨率图像的获取***结构示意图,如图6所示,所述***包括:
低分辨率图像获取模块601,用于获取多幅低分辨率图像;
插值处理模块602,用于对多幅所述低分辨率进行插值处理,得到插值后的高分辨率图像;
去噪模型建立模块603,用于建立带全变差正则化的L1保真项的去噪模型;
去噪模块604,用于采用所述去噪模型对所述插值后的高分辨率图像进行处理,得到去噪后的高分辨率图像。
其中,所述低分辨率图像获取模块601,具体包括:
斜采样单元,用于对图像进行斜采样,得到斜采样图像;
斜采样图像获取单元,用于获取多幅所述斜采样图像。
所述插值处理模块602,具体包括:
高分辨率图像网格构建单元,用于构建高分辨率图像网格;
高分辨率图像确定单元,用于根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像。
所述高分辨率图像确定单元,具体包括:
第一邻近像素点选取子单元,用于选取所述网格点附近的一个所述低分辨率图像中的像素点,将所述像素点标记为第一邻近像素点;
第二邻近像素点选取子单元,用于在所述邻近像素点所在的所述低像素图像中,选取与所述邻近像素点相邻的三个像素点,将三个所述像素点标记为第二邻近像素点,所述第一邻近像素点与所述第二邻近像素点构成一个正方形区域;
区域像素点获取子单元,用于获取除所述第一邻近像素点所在的所述低分辨率图像外的低分辨率图像中的区域像素点,所述区域像素点为位于所述正方形区域中的像素点;
像素值获取子单元,用于获取所述第一邻近像素点、第二邻近像素点和区域像素点的像素值;
网格点像素值计算子单元,用于根据所述第一邻近像素点、第二邻近像素点和区域像素点的像素值和所述网格点的位置,采用双线性插值函数计算所述网格点的像素值。
所述去噪模型建立模块603,具体包括:
去噪模型建立单元,用于建立带全变差正则化的L1保真项的去噪模型其中,X为待解的高分辨率图像的像素值矩阵,Y为所述插值后的高分辨率图像的像素值矩阵,α为正则化参数,▽Xi,j为矩阵▽X第i行第j列所对应的值,其中▽表示梯度算子。
所述去噪模块604,具体包括:
增广拉格朗日函数确定单元,用于确定所述去噪模型的增广拉格朗日函数;
迭代公式获取单元,用于获取所述增广拉格朗日函数的迭代公式;
高分辨率图像像素值单元,用于将所述插值后的高分辨率图像的像素值带入所述增广拉格朗日函数的迭代公式,得到去噪后的高分辨率图像的像素值。
本发明提供的高分辨率图像的获取***,通过对低分辨率图像进行插值处理以及采用带全变差正则化的L1保真项的去噪模型对插值后的高分辨率图像进行去噪处理,克服了现有技术中经过插值处理的高分辨率图像的边界模糊的缺陷,有效提高了图像的分辨率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种高分辨率图像的获取方法,其特征在于,所述方法包括:
获取多幅低分辨率图像;
对多幅所述低分辨率进行插值处理,得到插值后的高分辨率图像;
建立带全变差正则化的L1保真项的去噪模型;
采用所述去噪模型对所述插值后的高分辨率图像进行处理,得到去噪后的高分辨率图像。
2.根据权利要求1所述的方法,其特征在于,所述获取多幅低分辨率图像,具体包括:
对图像进行斜采样,得到斜采样图像;
获取多幅所述斜采样图像。
3.根据权利要求1所述的方法,其特征在于,所述对多幅所述低分辨率图像进行插值处理,得到插值后的高分辨率图像,具体包括:
构建高分辨率图像网格;
根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像。
4.根据权利要求3所述的方法,其特征在于,所述根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像,具体包括:
选取所述网格点附近的一个所述低分辨率图像中的像素点,将所述像素点标记为第一邻近像素点;
在所述邻近像素点所在的所述低像素图像中,选取与所述邻近像素点相邻的三个像素点,将三个所述像素点标记为第二邻近像素点,所述第一邻近像素点与所述第二邻近像素点构成一个正方形区域;
获取除所述第一邻近像素点所在的所述低分辨率图像外的低分辨率图像中的区域像素点,所述区域像素点为位于所述正方形区域中的像素点;
获取所述第一邻近像素点、第二邻近像素点和区域像素点的像素值;
根据所述第一邻近像素点、第二邻近像素点和区域像素点的像素值和所述网格点的位置,采用双线性插值函数计算所述网格点的像素值。
5.根据权利要求1所述的方法,其特征在于,所述建立带全变差正则化的L1保真项的去噪模型,具体包括:
建立带全变差正则化的L1保真项的去噪模型其中,X为待解的高分辨率图像的像素值矩阵,Y为所述插值后的高分辨率图像的像素值矩阵,α为正则化参数,▽Xi,j为矩阵▽X第i行第j列所对应的值,其中▽表示梯度算子。
6.根据权利要求1所述的方法,其特征在于,所述采用所述去噪模型对所述插值后的高分辨率图像进行处理,具体包括:
确定所述去噪模型的增广拉格朗日函数;
获取所述增广拉格朗日函数的迭代公式;
将所述插值后的高分辨率图像的像素值带入所述增广拉格朗日函数的迭代公式,得到去噪后的高分辨率图像的像素值。
7.一种提高图像分辨率的***,其特征在于,所述***包括:
低分辨率图像获取模块,用于获取多幅低分辨率图像;
插值处理模块,用于对多幅所述低分辨率进行插值处理,得到插值后的高分辨率图像;
去噪模型建立模块,用于建立带全变差正则化的L1保真项的去噪模型;
去噪模块,用于采用所述去噪模型对所述插值后的高分辨率图像进行处理,得到去噪后的高分辨率图像。
8.根据权利要求7所述的***,其特征在于,所述低分辨率图像获取模块,具体包括:
斜采样单元,用于对图像进行斜采样,得到斜采样图像;
斜采样图像获取单元,用于获取多幅所述斜采样图像。
9.根据权利要求7所述的***,其特征在于,所述插值处理模块,具体包括:
高分辨率图像网格构建单元,用于构建高分辨率图像网格;
高分辨率图像确定单元,用于根据所述低分辨率图像,采用插值算法计算所述高分辨率图像中的每一个网格点的像素值,得到插值后的高分辨率图像。
10.根据权利要求3所述的***,其特征在于,所述高分辨率图像确定单元,具体包括:
第一邻近像素点选取子单元,用于选取所述网格点附近的一个所述低分辨率图像中的像素点,将所述像素点标记为第一邻近像素点;
第二邻近像素点选取子单元,用于在所述邻近像素点所在的所述低像素图像中,选取与所述邻近像素点相邻的三个像素点,将三个所述像素点标记为第二邻近像素点,所述第一邻近像素点与所述第二邻近像素点构成一个正方形区域;
区域像素点获取子单元,用于获取除所述第一邻近像素点所在的所述低分辨率图像外的低分辨率图像中的区域像素点,所述区域像素点为位于所述正方形区域中的像素点;
像素值获取子单元,用于获取所述第一邻近像素点、第二邻近像素点和区域像素点的像素值;
网格点像素值计算子单元,用于根据所述第一邻近像素点、第二邻近像素点和区域像素点的像素值和所述网格点的位置,采用双线性插值函数计算所述网格点的像素值。
11.根据权利要求7所述的***,其特征在于,所述去噪模型建立模块,具体包括:
去噪模型建立单元,用于建立带全变差正则化的L1保真项的去噪模型其中,X为待解的高分辨率图像的像素值矩阵,Y为所述插值后的高分辨率图像的像素值矩阵,α为正则化参数,▽Xi,j为矩阵▽X第i行第j列所对应的值,其中▽表示梯度算子。
12.根据权利要求7所述的***,其特征在于,所述去噪模块,具体包括:
增广拉格朗日函数确定单元,用于确定所述去噪模型的增广拉格朗日函数;
迭代公式获取单元,用于获取所述增广拉格朗日函数的迭代公式;
高分辨率图像像素值单元,用于将所述插值后的高分辨率图像的像素值带入所述增广拉格朗日函数的迭代公式,得到去噪后的高分辨率图像的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710036911.3A CN106920213B (zh) | 2017-01-19 | 2017-01-19 | 一种高分辨率图像的获取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710036911.3A CN106920213B (zh) | 2017-01-19 | 2017-01-19 | 一种高分辨率图像的获取方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106920213A true CN106920213A (zh) | 2017-07-04 |
CN106920213B CN106920213B (zh) | 2021-02-12 |
Family
ID=59454440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710036911.3A Active CN106920213B (zh) | 2017-01-19 | 2017-01-19 | 一种高分辨率图像的获取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106920213B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829874A (zh) * | 2019-01-30 | 2019-05-31 | 西安电子科技大学 | 基于框架理论的sar图像融合方法 |
CN109889800A (zh) * | 2019-02-28 | 2019-06-14 | 深圳市商汤科技有限公司 | 图像增强方法和装置、电子设备、存储介质 |
CN110827224A (zh) * | 2019-11-12 | 2020-02-21 | 南京工程学院 | 一种高分辨率高温锻件形状检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222320A (zh) * | 2011-05-24 | 2011-10-19 | 西安电子科技大学 | 基于全变分迭代反向投影的单帧图像空间分辨率增强方法 |
US20120328213A1 (en) * | 2011-06-27 | 2012-12-27 | Yutaka Yamamoto | Super-resolution processing method and system |
CN103440619A (zh) * | 2013-06-09 | 2013-12-11 | 清华大学 | 一种斜模式采样建模与超分辨率重建方法 |
CN103473752A (zh) * | 2013-08-22 | 2013-12-25 | 杨勇 | 一种基于耦合偏微分方程模型的超分辨率图像重建方法 |
CN106127689A (zh) * | 2016-06-30 | 2016-11-16 | 北京大学 | 图像视频超分辨率方法和装置 |
-
2017
- 2017-01-19 CN CN201710036911.3A patent/CN106920213B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222320A (zh) * | 2011-05-24 | 2011-10-19 | 西安电子科技大学 | 基于全变分迭代反向投影的单帧图像空间分辨率增强方法 |
US20120328213A1 (en) * | 2011-06-27 | 2012-12-27 | Yutaka Yamamoto | Super-resolution processing method and system |
CN103440619A (zh) * | 2013-06-09 | 2013-12-11 | 清华大学 | 一种斜模式采样建模与超分辨率重建方法 |
CN103473752A (zh) * | 2013-08-22 | 2013-12-25 | 杨勇 | 一种基于耦合偏微分方程模型的超分辨率图像重建方法 |
CN106127689A (zh) * | 2016-06-30 | 2016-11-16 | 北京大学 | 图像视频超分辨率方法和装置 |
Non-Patent Citations (3)
Title |
---|
冯存前等: "《弹道目标微多普勒效应与特征提取》", 1 April 2016, 国防工业出版社 * |
李旭超等: "对偶算法在紧框架域TV-L_1去模糊模型中的应用", 《中国图象图形学报》 * |
王继红: "线阵CCD亚像元超分辨率重建方法研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829874A (zh) * | 2019-01-30 | 2019-05-31 | 西安电子科技大学 | 基于框架理论的sar图像融合方法 |
CN109829874B (zh) * | 2019-01-30 | 2023-06-30 | 西安电子科技大学 | 基于框架理论的sar图像融合方法 |
CN109889800A (zh) * | 2019-02-28 | 2019-06-14 | 深圳市商汤科技有限公司 | 图像增强方法和装置、电子设备、存储介质 |
CN109889800B (zh) * | 2019-02-28 | 2021-09-10 | 深圳市商汤科技有限公司 | 图像增强方法和装置、电子设备、存储介质 |
CN110827224A (zh) * | 2019-11-12 | 2020-02-21 | 南京工程学院 | 一种高分辨率高温锻件形状检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106920213B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080724B (zh) | 一种红外和可见光的融合方法 | |
CN107025632B (zh) | 一种图像超分辨率重建方法及*** | |
CN106408524B (zh) | 基于二维图像辅助的深度图像增强方法 | |
CN106997614B (zh) | 一种基于深度相机的大规模场景3d建模方法及其装置 | |
CN106023230B (zh) | 一种适合变形图像的稠密匹配方法 | |
CN104008539A (zh) | 基于多尺度几何分析的图像超分辨率重建方法 | |
CN103034982A (zh) | 一种基于变焦视频序列的图像超分辨率重建方法 | |
CN103268599B (zh) | 多线阵ccd亚像元错位成像超分辨率重构方法 | |
CN107680040A (zh) | 一种基于贝叶斯准则的多帧盲卷积超分辨重建方法及装置 | |
CN109410133B (zh) | 一种基于3dmm的人脸纹理修复方法 | |
CN108961163A (zh) | 一种高分辨率卫星影像超分辨重建方法 | |
CN104376550A (zh) | 基于含积分的平差模型的超分辨率图像重建方法 | |
CN106920213A (zh) | 一种高分辨率图像的获取方法及*** | |
CN110634147A (zh) | 基于双边引导上采样的图像抠图方法 | |
CN110211193B (zh) | 三维ct层间图像插值修复与超分辨处理方法及装置 | |
CN111882530A (zh) | 一种亚像素定位图生成方法、定位方法及装置 | |
CN104574338A (zh) | 基于多角度线阵ccd传感器的遥感图像超分辨率重建方法 | |
CN107220936A (zh) | 一种图像超分辨率重构方法及*** | |
CN103020905B (zh) | 针对文字图像的稀疏约束自适应nlm超分辨率重建方法 | |
Zhang et al. | Video super-resolution with 3D adaptive normalized convolution | |
CN105491269A (zh) | 基于反卷积图像复原的高保真视频放大方法 | |
CN106846250A (zh) | 一种基于多尺度滤波的超分辨率重建方法 | |
CN105225211A (zh) | 一种基于振动提高视频分辨率的方法 | |
CN113870327A (zh) | 基于预测多层次变形场的医学图像配准方法 | |
CN103310431B (zh) | 一种基于硬件加速的单帧红外图像超分辨方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |