申请/专利权人：浙江工业大学

申请日：2020-11-27

公开（公告）日：2024-03-22

公开（公告）号：CN112488919B

主分类号：G06T3/40

分类号：G06T3/40;G06T3/4076;G06T5/73;G06T5/50

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.03.30#实质审查的生效;2021.03.12#公开

摘要：一种洛伦兹拟合模糊核的图像超分辨重建方法，针对图像超分辨过程中现有的点扩散函数形式无法有效近似实际退化过程，即与实际退化函数模型有着较大的近似误差，直接影响了超分辨重建的最终效果。该方法充分考虑实际退化所形成的模糊效应，采用洛伦兹函数的线性组合对实际退化所造成的模糊效应进行建模，并以最小均方误差为准则对图像进行超分辨重建。本发明采用四个参量来具体描述客观的模糊过程会更加逼近于模糊的实际情况，通过理论分析及实验结果得到，该模型用于去模糊算法中，提高了图像重建的效果。

主权项：1.一种洛伦兹拟合模糊核的图像超分辨重建方法，其特征在于，所述方法包括以下步骤：步骤一：去噪预处理，对由于光学系统自身的不适应性导致退化的低分辩图像序列gk∈RM×N进行去噪预处理，其中k为图像序列的个数；步骤二：从序列低分辨率图像中选取一帧g0作为参考帧，利用菱形搜索法或光流法对序列中其他低分辩图像gl进行配准得到亚像素配准参数Fk，l＝1…k-1；步骤三：退化PSF的估计模型：根据构造公式建立基于可变脉宽VPW函数的近似PSF模糊核模型，VPW函数的公式为：ft＝fst+fat，t∈[0，T6其中 这里fst和fat分别表示VPW函数ft的对称部分和非对称部分，VPW函数由a、d、t′、r四个参数确定退化过程；参数选取：根据光学系统本身带有的成像中心点像素值高，周围成像点像素值扩散降低的特点选择脉宽r、脉冲时延t′；根据图像退化模型要在形态上近似实际点成像的特点选择幅值a和b；步骤四：建立VPW估计模型：利用上述步骤三的VPW函数构造公式6，以及根据光学系统的物理特性选取a、d、t′、r这四个参数的取值，以此建立基于VPW函数的近似PSF模糊核模型，公式如下：fx，y＝fx·fy9其中，x和y为整数，分别代表图像矩阵中行和列的索引值，其取值范围由接下来的步骤五中的模糊矩阵大小决定；步骤五：利用步骤五建立的基于VPW函数的近似PSF模糊核模型，进而构造相应的3×3的PSF卷积核h，构造方法如下：在生成一个3×3的矩阵后将每个网格的坐标值作为VPW函数模型fx，y的坐标值，计算每点的权重并进行元素值的归一化处理后生成最终的3×3的PSF卷积核h，依据卷积定理生成模糊矩阵；步骤六：对选取的图像进行双三次插值构成高分辨率的一个初始估计X0，对于超分辨图像重建问题，选用梯度下降法迭代的方式来求解，设定迭代次数、迭代步长λ、正则化参数α、正则化算子Γ、下采样因子S；步骤七：根据序列低分辨图像LR、配准参数Fk、VPW模糊矩阵B、下采样因子S生成高分辨率图像的迭代误差生成公式如下： 步骤八：根据正则化参数α、正则化算子Γ、上次迭代的高分辨图像的估计Xn生成正则化约束项U，用于约束最终的估计值，使其满足先验概率特性，生成公式如下：U＝αΓTΓXn11其中正则化正则化参数α设定为一个常数或者设定成随着迭代次数的改变而改变的一种自适应系数；步骤九：将上述步骤七和步骤八的计算结果代入公式12和13开始迭代重建，输出最终高分辨率图像Xn+1： Xn+1＝Xn-λ{W+U}13。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种洛伦兹拟合模糊核的图像超分辨重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD