本发明专利技术公开了一种广义稀疏下基于多级滤波和样本匹配的偏振图像超分辨率重建方法，在广义稀疏表示下，利用配准后的三方向(0°、60°和120°)偏振图像的冗余和互补信息，以图像块为处理对象，通过构造上采样和下采样滤波器组，采用缩放倍率逐步加1的方法，以待重建图像块的低频部分进行局部自相似样本匹配，以得到的局部自相似匹配样本进行高频估计，最后与初始估计进行合成，通过对图像块逐一进行更新得到整幅重建图像。该方法具有图像轮廓结构清晰、边缘锯齿效应低、细节信息丰富等优点。
【技术实现步骤摘要】
本专利技术涉及偏振成像探测和图像处理
，具体涉及一种新的偏振图像超分 辨率重建方法，适用具有局部自相似特征的多通道偏振方向图像超分辨率重建，算法鲁棒 性强，重建结果具有轮廓结构清晰、边缘保持完整、细节信息丰富等优点，对于提高偏振成 像目标探测和识别具有重要意义。
技术介绍
偏振成像技术作为一种新型成像手段，不仅能获取目标的强度信息，而且能够获 取目标的偏振信息，通过强度信息和偏振信息的融合对目标进行准确探测。与现有的光学 成像侦察技术相比，偏振成像探测技术可以辨识伪装目标，具有穿透雾霾的能力，能够获取 更多的目标细节信息和能够辨识不良照度下的目标，从而为实现更为复杂的目标状态特征 反演奠定了基础，在对复杂条件下典型目标探测等方面具有独特的优势，如光学伪装目标、 雾中目标以及低细节特征小目标等。然而，在实际偏振成像探测应用中，由于受目标和成像 平台的距离及运动影响，受偏振成像设备精度和成像条件等因素限制，通常获取的是质量 较差、分辨率较低的图像，这给后续的偏振图像融合、目标检测和识别等带来诸多困难，影 响人们利用偏振成像技术进行目标探测的精度。而图像超分辨率重建通过建立图像退化模 型，利用图像先验知识，采用信号处理的方法，在不改变现有偏振成像系统的条件下，从一 幅或多幅低分辨率偏振图像中重构丢失的截止频率以外的高频信息，并消除退化因素的影 响，能够有效提高图像的空间分辨率。 现有的超分辨率重建方法主要有插值方法、基于重建的方法和基于学习的方法三 类。传统的插值方法也称为图像缩放技术，简单快速，具有实时性，但是容易产生模糊边缘 并且细节信息不丰富，主要用于对空间分辨率要求不高的场合或作为其他方法的初始估 计。基于重建的方法研究较为成熟，在多幅图像间的运动估计和配准较为准确的情况下，由 于能够方便的利用图像先验知识（局部平滑、边缘保持）构造正则化约束项，重建结果能够 较好地保持图像边缘轮廓结构，但是高频细节信息恢复效果一般；基于样本学习的方法即 使在单幅情况下依然能够重建图像细节信息，但是过于依赖低分辨率图像块的匹配精度， 容易产生过拟合或欠拟合现象，可能出现视觉伪影和失真。利用偏振成像技术进行目标探 测时，通常是通过三个固定偏振探测方向的偏振分量强度图像信息解析得到目标的偏振特 征信息，而多通道偏振方向图像存在的冗余和互补信息，不仅可以用于偏振信息融合，而且 为偏振图像超分辨率重建提供了优于其他自然图像的样本信息；另一方面，当前基于样本 学习的方法其重建效率都比较低，算法运行时间普遍慢，这影响其实际应用。因此，研究针 对偏振图像特性的超分辨率重建方法，这对利用偏振成像技术进行目标探测和识别具有重 要意义。
技术实现思路
本专利技术在广义稀疏表示下，利用配准后的三方向（0°、60°和120° )偏振图像的 冗余和互补信息，以图像块为处理对象，通过构造上采样和下采样滤波器组，采用缩放倍率 逐步加1的方法，以待重建图像块的低频部分进行局部自相似样本匹配，以得到的局部自 相似匹配样本进行高频估计，最后与初始估计进行合成，通过对图像块逐一进行更新得到 整幅重建图像。该方法具有图像轮廓结构清晰、边缘锯齿效应低、细节信息丰富等优点。 本专利技术所要解决的技术问题采用以下技术方案来实现： -种广义稀疏下，包括滤 波器组构造模块、上采样初始估计模块、低频和高频估计模块、图像块结构信息平滑性判断 模块、原地自相似样本匹配模块以及高分辨率图像合成更新模块等六部分组成；实现方法 如下： (1)分别构造上采样和下采样滤波器组； ⑵对输入图像，利用上采样滤波器进行倍率为S的滤波放大，得到高分辨率的初 始估计图像； (3)对输入图像顺序进行下采样和上采样滤波，得到其平滑后的低频部分和高频 部分； (4)对于初始估计中的图像块进行平滑判断，如果是平滑区域，则直接进行双二次 插值作为高频估计，转到步骤6,否则进行步骤5 ; (5)在平滑后的低频图像中的对应位置，进行原地样本匹配，以得到局部自相似样 本块，利用自相似样本进行高频估计； (6)将初始估计与高频估计进行合成； (7)重复步骤4~步骤6,直到更新完毕，得到最终重建图像X。 本专利技术的有益效果是：本专利技术采用缩放倍率逐步加1的方法，以待重建图像块的 低频部分进行局部自相似样本匹配，以得到的局部自相似匹配样本进行高频估计，最后与 初始估计进行合成，通过对图像块逐一进行更新得到整幅重建图像。该方法具有图像轮廓 结构清晰、边缘锯齿效应低、细节信息丰富等优点。【附图说明】 图1是本专利技术组成模块图； 图2是本专利技术的样本匹配原理图； 图3是本专利技术的处理流程； 图4是利用本专利技术得到的一组偏振图像超分辨率重建结果； 图5是利用本专利技术得到的另一组不同目标的重建结果； 其中：模块1是上下采样滤波器组构造模块；模块2是上采样滤波初始估计模块； 模块3是初始估计的低频和高频分离模块；模块4是图像块结构信息平滑性判断模块；模 块5是原地自相似样本匹配模块；模块6是高分辨率图像块合成更新模块； X。是输入图像；L是上采样初始估计结果；L。是低频估计结果；H。是高频估计结 果；1表示初始估计的图像块；h表示高频估计的图像块；h'是插值结果；1的局部自相似样 本块以Uk)表示；X表示合成的图像块；X是重建结果； 图4(a)~（e)是三方向偏振图像及其配准图像，图4(h)为红外强度图像，图4(g) 是60°配准图像的重建结果；图4(i)~（1)是利用重建后的三方向偏振图像根据Stocks 参量法解析得到的偏振参量图像；图4(i)Q图、图4(j)U图；图4(k)偏振度图像；图4(1)偏 振角图像； 图5(a)为草地伪装网；图5(b)为沙地缩比模型；图5(c)为二次插值，其中PSNR =23. 51，SSIM = 0· 5712 ;图 5 (d)为稀疏方法，其中 PSNR = 26. 04, SSIM = 0· 7006 ;图 5 (e) 本专利技术，其中 PSNR = 26. 98, SSIM = 0· 7015 ;图 5(f)为二次插值，其中 PSNR = 24. 56, SSIM = 0.6533;;图 5(g)稀疏方法，其中 PSNR =27. 12, SSIM = 0.7257 ;;图 5(h)本专利技术，其 中 PSNR = 27. 34, SSIM = 0· 7285 ;【具体实施方式】 为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结 合具体图示，进一步阐述本专利技术。 如图1-3所示，本专利技术的广义稀疏下基于多级滤波和样本匹配的偏振图像超分辨 率重建方法，包括滤波器组构造模块、上采样初始估计模块、低频和高频估计模块、图像块 结构信息平滑性判断模块、原地自相似样本匹配模块以及高分辨率图像合成更新模块等六 部分组成。 本专利技术采用缩放倍率逐步加1的方法，在滤波器构造模块中，下采样和上采样滤 波器分别构造，采样倍当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于多级滤波和样本匹配的偏振图像超分辨率重建方法，其特征在于，步骤如下：1)首先进行滤波器构造，在采样倍率逐步加1的情况下，下采样滤波器和上采样滤波器分别构造，采样倍率设为N+1∶N，下采样滤波器操作为：D(I)(n)=(I*d‾k)(((N+1)/N)(n-k)+k),]]>上采样滤波器操作为：U(I)(n)=Σk=1N(↑I*u‾k)(n),]]>上/下采样滤波器组分别为U＝{u1，u2，…，uN}和D＝{d1，d2，…，dN}；2)其次，对初始高分辨率估计图像进行上采样滤波，得到初始估计L＝U(X0)L，对输入图像X0先进行下采样滤波，再进行上采样滤波，得到其平滑后的低频部分L0＝U(D(X0))，X0的高频部分由两者之差H0＝X0‑L0求得；3)然后，对于初始高分辨率估计图像L中的图像块l，利用图像内容无参考衡量标准进行平滑性判断，如果是平滑图像块则直接进行双二次插值，如果不是平滑图像块则进行样本匹配，得到局部自相似样本块l0(k)，其对应的高频部分表示为h0(k)＝x0(k)‑l0(k)；4)再次，在广义稀疏表示思想下，利用样本集中最有效的少数样本对信号进行高频重建估计5)最后，将初始估计与高频估计进行合成：x＝l+h；重复以上过程，直到初始估计图像块更新完毕，得到重建图像X。...
【技术特征摘要】
【专利技术属性】
技术研发人员：徐国明，王峰，薛模根，黄勤超，袁宏武，姚翎，
申请(专利权)人：中国人民解放军陆军军官学院，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。