专利汇可以提供一种基于曲面拟合的图像超分辨率重建方法专利检索,专利查询,专利分析的服务。并且本 发明 结合邻域扩展和曲面拟合技术来完成图像超 分辨率 重建方法,包括对每个高分辨率网格 节点 构建一系列嵌套的邻域;然后对每一个邻域根据 像素 强度值剔除异常低分辨率像素;对保留的低分辨率像素进行曲面拟合,得到待估计的高分辨率网格节点 位置 的一个 采样 值,最后运用最大后验概率,对这一系列的采样值估计该网格节点的高分辨率像素值。本方法不需要 迭代 ,不用考虑收敛问题,有效降低了计算复杂度。,下面是一种基于曲面拟合的图像超分辨率重建方法专利的具体信息内容。
1.一种基于曲面拟合的图像超分辨率重建方法,其特征在于,包括如下步骤:
(1)获取同一场景的低分辨率图像序列,通过相机阵列系统拍摄获得m幅低分辨率图像yp,p=1,2,...,m,采用的图像成像模型为:yp=DHpWpu+ep,p=1,2,...,m,其中m为正整数,yp为第p幅低分辨率图像,u为待估计高分辨率图像,Wp、Hp与D分别为形变矩阵、模糊矩阵和降采样矩阵,ep为加性噪声;
(2)图像配准,采用基于SURF(Speeded Up Robust Features)图像配准算法求解一系列低分辨率图像与预设参考帧之间的运动估计参数,然后利用所述运动估计参数,将一系列低分辨率图像插值映射到高分辨率网格上;
(3)超分辨率图像重建,对所述高分辨率网格上节点利用邻域扩展搜索一系列嵌套的邻域,在每个邻域剔除异常点后,利用曲面拟合技术,估计出列采样值,最后用最大后验概率估计出高分辨率像素值,获得高分辨率图像。
2.根据权利要求1所述的基于曲面拟合的图像超分辨率重建方法,其特征在于,所述图像配准,包括如下步骤:
21)选择参考图像,从所述低分辨率图像yp,p=1,2,...,m中选取一幅峰值信噪比(PSNR)最大的图像作为参考帧;
22)预设配准规则,采用SURF算法提取特征点集合表示如下:
其中,nm为低分辨率图像yp的特征点数目,p=1,2,...,m, k=1,
2,…,m,j=1,2,…,max(n1,n2,…,nm),并计算P1中每个特征点到P2,…,Pm中每个特征点的欧式距离:
其中,j1=1,2,…,n1,j2=1,2,…,n2,jm=1,2,…,nm;
根据预设的匹配规则判断特征点是否匹配,预设的匹配规则为:
其中r=d1/d2,η为预设阈值,d1为最近欧式距离,d2为次近欧式距离;当r>η时,则特征点匹配成功,反之,则特征点匹配失败;获取P1与P2,…,Pm之间的匹配特征点,并将P1与P2,…,Pm之间的匹配特征点表示为:
其中qm,n为第m幅低分辨率图像的第n个匹配特征点,n匹配特征点的数目,基于所述匹配特征点,通过仿射变换公式,求解第p幅待配准低分辨率图像与参考图像y0之间的仿射变换参数,即旋转角度θp,横坐标和纵坐标的位移量Δxp和Δyp,仿射变换公式为:
Qp=RpQ1+ΔDp (5)
其中 p=2,3,...,m,
经过SURF图像配准后,得到待配准低分辨率图像yp,p=1,2,...,m与参考图像y0之间运动估计参数;
23)根据缩放因子的大小使用双三次插值技术,将低分辨率图像插值放大,然后根据所述运动估计参数,将所述低分辨率图像映射到高分辨率网格上,得到非均匀分布的空间采样图。
3.根据权利要求1所述的基于曲面拟合的图像超分辨率重建方法,其特征在于,所述超分辨率图像重建,包括如下步骤:
31)构造一系列嵌套的领域,以高分辨率网格节点为中心,搜索一个1×1块大小的初始邻域,初始值b1=0.5,然后按步长l=0.1,扩大搜索半径最大搜索值设为b2=1.5,最终的邻域大小为3×3,邻域的数目为b=(b2-b1)/l+1;
32)将搜索的邻域表示为NBi(i=1,2,…,b),搜索邻域NBi内的低分辨率像素,记为:
LPij,i=1,2,…,b;j=1,2,…,bi,其中bi为邻域NBi内低分辨率像素的数目;
33)建立像素强度平面,以XOY平面为图像平面,以像素值的大小为Z轴构造坐标系,对邻域NBi(i=1,2,…,b)的每个低分辨率像素LPij,i=1,2,…,b;j=1,2,…,bi,以其像素值的大小为高,平行于XOY坐标平面做平面,建立像素强度平面,记为Pij平面,其中Pij平面表示为:
其中 是LPij的像素值,p(·)为生成平面的函数;
34)剔除异常数据,根据预设的判断准则判断领域NBi(i=1,2,…,b)中低分辨率像素是否为异常数据并获取剔除异常数据点后的低分辨率像素集合: 其中
Mi(Mi≤bi)是邻域NBi剩余的低分辨率像素个数;
35)对邻域NBi(i=1,2,…,b)内所述Mi个低分辨率像素LPij(j=1,2,…,Mi),使用一般二次曲面方程在LPij的相应坐标(xij,yij)拟合曲面:
为每个邻域拟合一个曲面,对每个低分辨率像素LPij,通过 1≤i
≤b,1≤j≤Mi估计它们的强度值,其中 为邻域NBi中低分辨率像素LPij的估计强度值;令ξij=0,可以得到如下一个方程组:
从公式(8)可以看出,只要Mi足够大,求解参数c0,c1,…,c5的值相当于求解一个超定方程组,采用最小二乘法来解该方程组,曲面拟合后,通过公式(7)计算得到每个低分辨率像素LPij的误差ξij,然后求解该曲面的均方误差 和估计在高分辨率网格节点的高分辨率像素HP值:
最后,采用最大后验概率模型来计算高分辨率像素值:
其中q(·)表示概率密度函数;
根据高斯假设,公式(11)等价于:
这里f0(HP)是f(HP)的先验估计,通过B-spline插值得到,λ是一个经验参数。令公式(12)的梯度值为0,得到高分辨率像素HP的最大后验估计值,即最终的的高分辨率像素估计值
其中 令λ=0,公式(13)实际上是一个加权和函数。
4.根据权利要求3所述的基于曲面拟合的图像超分辨率重建方法,其特征在于,所述剔除异常数据,包括如下步骤:将像素LPik到像素LPij的距离定义为平面Pik到平面Pij的距离,计算邻域NBi内每个像素LPik到LPij的距离为:
计算每个低分辨率像素LPij,j=1,2,…,bi的均方根误差:
记均方根误差的集合为:
对Wi进行升序排列,得到集合:
对排序后的Wi'相邻元素作差,得到集合
其中:
假设
得到Hi中最大元素 的索引ni,然后提取集合Wi'中第ni个元素 然后我们定义一个判断准则判断邻域NBi中低分辨率像素LPij是否为异常数据,准则如下:
最后得到邻域NBi内剔除异常点后的低分辨率像素集合为:
其中Mi(Mi≤bi)是邻域NBi剩余的低分辨率像素个数。
5.一种计算机可读写介质,其上存储有计算机程序,其特征在于,所述程序执行时实现如权利要求2-4任一项所述方法的步骤。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种行人导航定位中的自适应零速修正方法 | 2020-05-08 | 121 |
输电线路绝缘子红外智能匹配识别与测距定位方法及系统 | 2020-05-13 | 62 |
胃行为的仿真方法和系统 | 2020-05-14 | 114 |
基于可穿戴单目视觉和惯性传感器融合的行人导航方法及系统 | 2020-05-14 | 429 |
一种目标跟踪模板自适应更新方法 | 2020-05-16 | 741 |
一种基于显著性检测和鲁棒性尺度估计的相关滤波跟踪方法 | 2020-05-17 | 968 |
一种基于深度学习的无人机航拍视频轨迹高精度提取方法 | 2020-05-15 | 190 |
一种复杂场景下行人的多模态轨迹预测方法 | 2020-05-14 | 411 |
一种基于北斗、GPS和SINS的组合导航方法 | 2020-05-15 | 592 |
一种基于DS证据理论的目标轨迹优化方法 | 2020-05-17 | 597 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。