基于梯度一致性与各向异性正则化的超分辨图像重建方法技术

技术编号:8774247 阅读:371 留言:0更新日期:2013-06-08 18:03
本发明专利技术公开一种基于梯度一致性与各向异性正则化的超分辨图像重建方法,用于解决超分辨图像重建自适应保持高频图像信息,恢复图像细节信息。其步骤为:输入一幅低分辨图像,利用双三次插值方法对输入图像上采样得到插值图像,采用梯度一致性与各向异性正则化条件GCAR约束目标函数,对插值图像进行反卷积运算,判断反卷积后得到的图像是否满足输出条件,如果满足,则输出超分辨结果;如果不满足,则对反卷积后的图像再卷积和像素替换,进入下一次反卷积运算,如此迭代,直到满足输出条件。本发明专利技术具有保持低对比度图像区域低分辨图像和相应高分辨图像梯度一致性,能自适应恢复图像细节信息的优点,可用于视频应用领域。

【技术实现步骤摘要】

【技术保护点】
一种基于梯度一致性与各向异性正则化的超分辨图像重建方法,其特征在于,包括如下步骤:1)输入一幅低分辨图像L,采用双三次插值bicubic方法对输入的低分辨图像L上采样,得到插值图像2)在频域对插值图像进行反卷积运算求出目标图像,在反卷积运算中采用梯度一致性与各向异性正则化条件GCAR约束目标函数,确保目标图像的唯一性;所述梯度一致性与各向异性正则化条件GCAR表达形式如下:式中用GC表示,为梯度一致性正则化条件,用AR表示,为各向异性正则化条件,H*表示输出超分辨图像,表示输出超分辨图像中的第i行和j列的像素值,表示的相邻像素值,i=1,2,3,...,n;j=1,2,3,...m,与分别是水平方向和垂直方向的梯度算子,。表示点乘运算,是前一次迭代后输出目标图像梯度,用来计算的水平方向和垂直方向梯度的权值;M是一个二值矩阵,wij是二值参数,k1和k2分别用来调节GC正则化条件和AR正则化条件的权值;3)判断目标图像是否满足误差收敛的输出条件,若满足输出条件,则输出目标图像;若不满足输出条件,则对反卷积后得到的目标图像执行再卷积运算,然后进行像素替换以减小误差,加强图像信,转向步骤2)进行反卷积运算,直到满足输出条件,输出超分辨图像,上式中f是点扩散函数,Hk是第k次迭代后的输出结果,k=1,2,3,4,是卷积操作符,↓是下采样操作符。FSA00000839419400011.tif,FSA00000839419400012.tif,FSA00000839419400013.tif,FSA00000839419400014.tif,FSA00000839419400015.tif,FSA00000839419400016.tif,FSA00000839419400017.tif,FSA00000839419400018.tif,FSA00000839419400019.tif,FSA000008394194000110.tif,FSA000008394194000111.tif,FSA000008394194000112.tif,FSA000008394194000113.tif,FSA000008394194000114.tif,FSA000008394194000115.tif...

【技术特征摘要】

【专利技术属性】
技术研发人员:郑喆坤焦李成谷爱国孙增增鞠军委王帅施舒楠马文萍马晶晶
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1