專利名稱：?jiǎn)螏瑘D象超分辨方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種對(duì)圖象進(jìn)行分析和處理，從而顯著提髙圖象的分辨率、 清晰度和對(duì)比度的方法，屬于圖象處理的范疇。
背景技術(shù)：
成像系統(tǒng)在成象過程中，由于大氣擾動(dòng)和干擾、可見度影響、光學(xué)效應(yīng) 以及在光電信號(hào)轉(zhuǎn)換過程中的積分效應(yīng)等影響，使原來的物圖象模糊和變 形；同時(shí)，由于模數(shù)(A/D)變換過程的欠采樣，會(huì)引起頻率混疊，丟失高頻 信息，并且使頻率混疊段出現(xiàn)頻譜畸變，因此，不但將真實(shí)的圖象景物的頻 譜變窄了，而且改變了高頻段的結(jié)構(gòu)，這是因?yàn)槌上裨O(shè)備的設(shè)計(jì)限制造成的 分辨率損失，也是超分辨要解決的主要問題。另外，在信號(hào)傳輸和圖象形成 過程中，還會(huì)受到天電噪聲、顆粒噪聲、熱噪聲、掃描噪聲等多種噪聲的污 染，也會(huì)降低實(shí)際圖象的分辨率。
在過去的三十多年中，關(guān)于單幀退化圖象的復(fù)原問題，人們建立和發(fā)展 了一系列的經(jīng)典理論。近十多年來，隨著計(jì)算機(jī)科學(xué)和工程的持續(xù)不斷的發(fā) 展，允許更復(fù)雜更費(fèi)時(shí)的算法，在解決圖象復(fù)原問題的基礎(chǔ)上，人們把主要 精力集中在超分辨處理的非傳統(tǒng)處理方法和新的第二代問題上。在國際上， 盡管長(zhǎng)期以來存在能否實(shí)現(xiàn)圖象超分辨的爭(zhēng)論，但是多幀圖象超分辨方法發(fā) 展很快，在處理領(lǐng)域上可分為頻域的和空域的。近來，由于應(yīng)用需求的迫切 性，國內(nèi)外關(guān)于此方面的研究熱情越來越髙，新方法也層出不窮，并且在衛(wèi) 星遙感圖象處理、醫(yī)學(xué)圖象和地震圖象分析等諸領(lǐng)域的應(yīng)用方面都取得了很 大的進(jìn)展。
目前，各種各樣的超分辨方法通常都很靈敏于它們對(duì)數(shù)據(jù)和噪聲的假設(shè) 模型，因而限制了應(yīng)用。通過L1范數(shù)最小化和魯棒的正則化，不但計(jì)算消耗 少，而且對(duì)運(yùn)動(dòng)和模糊估計(jì)中的誤差具有魯棒性，導(dǎo)致圖象具有尖銳的邊緣。 為了克服不精確的亞像元配準(zhǔn)對(duì)高分辨率圖象重構(gòu)的影響，采用自動(dòng)估計(jì)正 則化參數(shù)的方法，可以實(shí)現(xiàn)對(duì)配準(zhǔn)誤差噪聲的魯棒性。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種處理單幀圖象的方法，特別是通過處理，提髙 圖象的分辨率、對(duì)比度和清晰度。本發(fā)明不但對(duì)圖象超分辨給予了肯定，而 且創(chuàng)造性地實(shí)現(xiàn)了單幀圖象的超分辨。
上述的目的通過以下的技術(shù)方案實(shí)現(xiàn)
本發(fā)明涉及以下四個(gè)方面的內(nèi)容:單幀圖象超分辨、頻率混疊深度(FAD) 參數(shù)的提出、對(duì)假象(振鈴)的抑制和圖象復(fù)原。
1. 單幀圖象超分辨方法，首先對(duì)圖象進(jìn)行分析，通過頻率混疊參數(shù)判 定是否采用單幀頻域解混疊超分辨方法進(jìn)行處理；然后通過傅立葉變換、頻 域解混疊算法及傅立葉反變換，豐富圖象的紋理與細(xì)節(jié),提高圖象的清晰度、 對(duì)比度和分辨率，并抑制振鈴假象。
所述的單幀圖象超分辨方法，即所述的超分辨解混疊處理包括
(1) 對(duì)低分辨率的單幀圖象/"/)進(jìn)行傅里葉變換，將其變換到頻譜 ；
(2) 對(duì)所獲得的頻譜/^(， )進(jìn)行頻域變換濾波或補(bǔ)償濾波處理，以得到 擴(kuò)展與增強(qiáng)的高分辨率圖象頻譜G(^Ml);
(3) 通過傅里葉逆變換，將經(jīng)過頻域擴(kuò)展與增強(qiáng)的超分辨率圖象頻譜 G(附，w)變換成高分辨率圖象g(A，/)。
2. 所述的單幀圖象超分辨方法中，所述的頻率混疊深度
二混疊寬度 "_頻譜寬度
其中，頻譜寬度為2;r; Cu為頻率混疊深度(FAD)參數(shù)，反應(yīng)頻譜高端混 疊的程度。Cu提取過程包括對(duì)欠采樣的低分辨率圖象，進(jìn)行傅立葉變換； 對(duì)低分辨圖象的頻譜進(jìn)行全局多項(xiàng)式最小二乘擬合；對(duì)擬合以后的頻譜中的 低頻成分和高頻中心能量，進(jìn)行二次截?cái)鄶M合；對(duì)二次截?cái)鄶M合的頻譜進(jìn) 行頻譜拓展，進(jìn)而算出FAD參數(shù)Cu。
若FAD參數(shù)d^0.4，則采用本發(fā)明的單幀超分辨技術(shù)，若FAD參數(shù) C11>().4，則采用多幀超分辨技術(shù)。
3. 所述的抑制振鈴假象產(chǎn)生的方法，所述控制頻域校正的控制參數(shù)C12 與歸一化高頻中心能量參數(shù)p互為倒數(shù)，若d2大于規(guī)定值，則在超分辨的 處理中引入抑制振鈴假象操作，以免在處理后的高分辨率圖象中出現(xiàn)假象。Cu提取過程包括從低分辨率圖象的頻譜中得到圖象的頻譜振幅值根方差;
通過對(duì)頻譜振幅值根方差進(jìn)行多項(xiàng)式擬合處理，得到高頻歸一化能量參數(shù)
C12。
4.所述的圖象復(fù)原的方法，首先對(duì)輸入的衛(wèi)星圖象分別進(jìn)行模糊分析、 信噪比分析和云霧分析，然后把分析結(jié)果分別與模糊標(biāo)準(zhǔn)、信噪比標(biāo)準(zhǔn)和云 霧標(biāo)準(zhǔn)比較，判斷是否需要進(jìn)行解模糊操作、增強(qiáng)信噪比操作和抑制薄云薄
霧操作，各自的判斷結(jié)果分別用控制參數(shù)C2、 C3和C4表示，并把它們傳遞
給控制器和圖象復(fù)原組合進(jìn)行相應(yīng)的處理。
圖象復(fù)原是超分辨的基礎(chǔ)，這部分的新技術(shù)如下
(1) 基于傅立葉變換(FT)的有限支持域上的迭代盲目反巻積算法 利用FT可以實(shí)現(xiàn)圖象信號(hào)從時(shí)域到頻域的反復(fù)變換，在反復(fù)變換中加
進(jìn)期望的限制對(duì)信號(hào)在兩個(gè)域中進(jìn)行反復(fù)修改，使得最后產(chǎn)生出期望的圖 象。對(duì)于盲目反巻積問題，將頻域估計(jì)用改進(jìn)的維納濾波來實(shí)現(xiàn)，使得FT 迭代算法變得更合理。經(jīng)驗(yàn)表明利用FT的迭代算法雖然沒有穩(wěn)定的收斂性 質(zhì)，但常常能提供一個(gè)較接近的解。由于基于FT的迭代盲目反巻積算法有 快速算法，所以在真實(shí)遙感圖象實(shí)驗(yàn)中利用這種算法進(jìn)行解模糊處理。本發(fā) 明在理論分析和大量實(shí)驗(yàn)論證的基礎(chǔ)上，得出了迭代兩次時(shí)算法效果最佳的 結(jié)論。
(2) 基于二階偏導(dǎo)數(shù)的非線性各向異性擴(kuò)散去噪算法 在僅有單源(幀)遙感圖象的情況下，基于偏微分方程(PDE)去噪方
法是一個(gè)較好的選擇。本發(fā)明針對(duì)圖象中較普遍存在的高斯噪聲和泊松噪 聲，將二階導(dǎo)數(shù)因子引入基于PDE的非線性各向異性擴(kuò)散過程，建立了改 進(jìn)的擴(kuò)散去噪算法，不但能有效地抑制平滑區(qū)域的噪聲，而且能有效地抑制 邊緣紋理處的噪聲；不但能很好地保護(hù)階躍性強(qiáng)邊緣，而且能很好地保護(hù)甚 至增強(qiáng)較弱的細(xì)節(jié)紋理；還不會(huì)使邊緣紋理發(fā)生位移，沒有虛假紋理產(chǎn)生。 處理高斯噪聲污染的圖象，可使尸57\7 提高值>3~4^6;處理泊松噪聲污染 的圖象，可使/^7\ 提高值>2 3必。
(3) 云霧污染圖象中云霧成分和地物成分是相乘關(guān)系 云霧也是污染圖象的一個(gè)重要因素，針對(duì)含薄云薄霧的圖象，還存在相
當(dāng)多的地物目標(biāo)信息，本發(fā)明在分析云霧圖象成象模型的基礎(chǔ)上，提供了基 于同態(tài)濾波器和基于小波多分辨分析的兩種方法(非發(fā)明)，實(shí)驗(yàn)表明，都取得了較好的效果。兩種方法的應(yīng)用場(chǎng)合不同，前者用于不能提供無云霧參 考圖象的情況，而后者可用于能夠提供無云霧參考圖象的情況。
本發(fā)明的效果
本發(fā)明通過圖象的處理可以使用低分辨率的成像系統(tǒng)，通過對(duì)圖象的處 理而得到高分辨率的圖象，可以突破遙感髙分辨成像系統(tǒng)對(duì)其成像器械、存 儲(chǔ)設(shè)備、研制與運(yùn)行等造成的成本障礙和技術(shù)障礙，獲得更經(jīng)濟(jì)的成本，達(dá) 到國際民用和軍事用途超分辨處理的領(lǐng)先水平。
本發(fā)明創(chuàng)造性地實(shí)現(xiàn)了單幀圖象的超分辨，對(duì)低分辨率的圖象信號(hào)的頻 譜進(jìn)行擴(kuò)展與增強(qiáng)處理，從而補(bǔ)償由于頻率混疊損失的高頻信息，解開頻率 混疊，同時(shí)又消除可能引起振鈴假象現(xiàn)象的頻率突變，提高了圖象的分辨率、 對(duì)比度和清晰度。本發(fā)明將圖象分析、圖象復(fù)原和圖象超分辨處理結(jié)合在一 起，形成一個(gè)完整高效的圖象處理解決方案，其效果顯著且易于實(shí)現(xiàn)，具有 很好的應(yīng)用前景和價(jià)值。
需要指出的是，我們?cè)谘芯窟^程中逐步認(rèn)識(shí)到，F(xiàn)AD參數(shù)對(duì)圖象超分 辨操作和處理效果都有重大意義，可有三個(gè)方面的重要應(yīng)用，分別論述如下
(1) 用作先驗(yàn)信息，優(yōu)化超分辨處理算法 在對(duì)一類衛(wèi)星圖象進(jìn)行超分辨處理之前，先分析這類衛(wèi)星圖象的FAD
參數(shù)Cu、 C12，并且針對(duì)Cu、 Q的大小以及頻率混疊的具體情況，優(yōu)化超分
辨算法中解混疊操作、頻率補(bǔ)償操作和抑制振鈴假象操作等,修改其中的控 制參數(shù)和迭代運(yùn)算的次數(shù)，形成針對(duì)這一類衛(wèi)星圖象的最優(yōu)超分辨算法。
(2) 用作選擇超分辨方法的控制參數(shù)
根據(jù)FAD參數(shù)的大小，可以選擇適當(dāng)?shù)某直嫠惴?。例如，我們面?的研究結(jié)果表明，當(dāng)q^0.4時(shí)，可以選用比較簡(jiǎn)便的單幀超分辨算法；當(dāng) qp0.4時(shí)，應(yīng)該選用多幀(源)超分辨算法。
(3) 用作圖象超分辨處理效果的客觀評(píng)價(jià)
為了提高利用圖象特別是衛(wèi)星圖象進(jìn)行目標(biāo)識(shí)別的能力和定位測(cè)量的 精度，通過圖象處理關(guān)鍵技術(shù)的研究，建立和優(yōu)化衛(wèi)星圖象復(fù)原及超分辨處 理方法、算法，大幅度地提高衛(wèi)星圖象的分辨率、對(duì)比度和清晰度，其中超 分辨將圖象的分辨率提高到原來的1.6倍左右，解模糊將圖象的峰值信噪比 提髙10dB以上,對(duì)比度提高8dB以上，而去噪則將圖象的信噪比提高了 2 4dB，極大地提高圖象包括航天圖象識(shí)別的能力，完成實(shí)用系統(tǒng)軟件的研制， 為實(shí)際應(yīng)用奠定基礎(chǔ)。


圖1是本發(fā)明總體技術(shù)方案簡(jiǎn)圖2是本發(fā)明的原理框圖3顯示了頻域補(bǔ)償濾波與p指數(shù)變化的關(guān)系；
圖4是頻率混疊的校正和補(bǔ)償示意圖(A=2);
圖4(a) —維信號(hào)歸一化頻譜^fc)(7V-128);
圖4 (b) —維頻域補(bǔ)償濾波的頻率傳輸函數(shù)/^)(A-2);
圖4 (c)一維頻域補(bǔ)償濾波處理后的信號(hào)頻譜G(/t)(2A^256); 圖5是解模糊實(shí)施方案； 圖6是抑制薄云薄霧的算法方案，其中
圖6(a)基于同態(tài)濾波的薄云薄霧抑制技術(shù)的算法方案；
圖6(b)基于小波多分辨分析的薄云薄霧抑制技術(shù)的算法方案； 圖7是單幀超分辨算法處理結(jié)果，其中
圖7 (a)單幀超分辨算法處理"資源二號(hào)"(3米分辨率)圖象結(jié)果(2
圖7(b)單幀超分辨算法處理Spot5圖象結(jié)果(2幅)。
圖7(c)單幀超分辨算法處理Ikcmos(l米分辨率)圖象結(jié)果(2幅)。 圖8是解模糊算法處理結(jié)果，其中
圖8(a)多幀(源)解模糊算法結(jié)果PSNR增加23dB;
a-l)—幀低分辨率模糊圖象(17,40dB); a-2)解模糊圖象(40.65dB); 圖8(b)基于FT盲目反巻積算法對(duì)"資源二號(hào)"圖象解模糊效果對(duì) 比度增加10dB;
圖9是去噪算法處理結(jié)果，其中
圖9(a)多幀(源)去噪聲算法效果？8皿增加4.5€ ;
其中左圖為低分辨率噪聲圖象(16.89dB)，右圖為去噪后圖象 (21. 65dB);圖9(b)改進(jìn)的非線性各向異性擴(kuò)散去噪算法效果； 左2幅圖泊松噪聲圖象(27.54118);右2幅圖去噪后圖象(30.2638);
圖9(c)陷波帶阻濾波器消除條帶噪聲效果-. c-l為實(shí)際遙感圖象；c-2為陷波帶阻濾波器； c-3為消除的條帶噪聲；c-4為濾波后的輸出圖象；
圖IO是抑制薄云薄霧算法處理結(jié)果
圖10 (a)為基于同態(tài)濾波抑制云霧效果圖象;其中左圖為云霧圖象； 右圖為抑制云霧后圖象；
圖10(b)基于小波多分辨分析抑制云霧效果圖象，其中左圖為無云霧 參考圖象；中圖為云霧圖象；右圖為抑制云霧后圖象；
具體實(shí)施例方式， 實(shí)施例1:
單幀圖象超分辨方法，首先對(duì)圖象進(jìn)行分析，根據(jù)分析結(jié)果決定是否進(jìn) 行消除噪聲、模糊和云霧的圖象復(fù)原處理；然后進(jìn)行超分辨處理，通過頻率 混疊參數(shù)判定是否采用單幀頻域解混疊超分辨方法進(jìn)行處理；然后通過傅立 葉變換、頻域解混疊算法及傅立葉反變換，豐富圖象的紋理與細(xì)節(jié)，提髙圖 象的清晰度、對(duì)比度和分辨率，并抑制振鈴假象。
所述的頻率混疊深度
c 一混疊寬度 11 —頻譜寬度
其中頻譜寬度為2;r; Cu為頻率混疊深度(FAD)參數(shù)，反應(yīng)頻譜高端 混疊的程度。Cu提取過程包括對(duì)欠采樣的低分辨率圖象，進(jìn)行傅立葉變 換；對(duì)低分辨圖象的頻譜進(jìn)行全局多項(xiàng)式最小二乘擬合；對(duì)擬合以后的頻譜 中的低頻成分和高頻中心能量，進(jìn)行二次截?cái)鄶M合；對(duì)二次截?cái)鄶M合的頻譜 進(jìn)行頻譜拓展，進(jìn)而算出FAD參數(shù)Cu。若FAD參數(shù)Cu 20.4,則采用單幀超分辨技術(shù)，若FAD參數(shù)Cu^.4, 則采用多幀超分辨技術(shù)；而Q為髙頻歸一化能量參數(shù)，若Q較大則需要在 超分辨的處理中引入抑制振鈴假象操作，能夠避免在處理后的高分辨率圖 象中出現(xiàn)假象。
具體說明如下
由一個(gè)實(shí)際場(chǎng)景的物圖象g"力得到一組觀測(cè)圖象y;(A:，/),"u…，P，每 幀圖象的質(zhì)量退化了，分辨率和對(duì)比度都降低了。所以，y;oM)是低分辨率
觀測(cè)圖象，而g(x,力是高分辨率的原始物圖象。/ou)是降質(zhì)的數(shù)字圖象，
而g(x,力是不失真的連續(xù)圖象。為了方便，假定在滿足抽樣定理的條件下， 把g(^，力不丟失任何信息地轉(zhuǎn)換成數(shù)字圖象，即高分辨率的原始數(shù)字物圖
象，用g(、/)表示。
所述的圖象分析包括首先對(duì)輸入的圖象分別進(jìn)行模糊分析、信噪比分析 和云霧分析，然后把分析結(jié)果分別與模糊標(biāo)準(zhǔn)、信噪比標(biāo)準(zhǔn)和云霧標(biāo)準(zhǔn)比較， 判斷是否需要進(jìn)行解模糊操作、增強(qiáng)信噪比操作和抑制云霧操作，各自的判
斷結(jié)果分別用控制參數(shù)C2、 C3和C,表示，并把它們傳遞給控制器和圖象復(fù) 原組合進(jìn)行相應(yīng)的處理。
圖象復(fù)原和解混疊過程包括建立和優(yōu)化解混疊、解模糊和增強(qiáng)信雜比 的重復(fù)遞歸迭代數(shù)學(xué)模型；通過所述的圖象分析的頻譜分析、模糊分析和信 雜比分析，建立在遞歸運(yùn)算中需要引入的解頻率混疊算法、解模糊算法和抑 制噪聲算法的準(zhǔn)則；完成頻域重復(fù)遞歸算法軟件模塊的研制，并通過實(shí)驗(yàn)對(duì) 軟件模塊進(jìn)行優(yōu)化。
1.關(guān)于圖象復(fù)原操作
(1)模糊的抑制技術(shù)
作為一項(xiàng)關(guān)鍵技術(shù)，模糊函數(shù)的確定和解模糊處理的實(shí)施方案，首先對(duì) 實(shí)際衛(wèi)星圖象進(jìn)行模糊分析，辨識(shí)圖象模糊的類型。若存在散焦模糊，則進(jìn) 一步確定其模糊函數(shù)，并且提取模糊參數(shù)即模糊度C2;若存在運(yùn)動(dòng)模糊， 則需要進(jìn)行運(yùn)動(dòng)參數(shù)估計(jì)，辨識(shí)是空變的還是空不變的，并且對(duì)不同的模糊 區(qū)域進(jìn)行分割，其中可能包括無模糊區(qū)域，對(duì)各個(gè)不同的模糊區(qū)域進(jìn)一步確 定模糊函數(shù)和模糊度C2。經(jīng)過上述分析確定的模糊函數(shù)分別用于相應(yīng)的解 模糊算法，得到復(fù)原圖象，而模糊度參數(shù)C2則用作算法的控制參數(shù)。我們已經(jīng)知道，解模糊過程實(shí)質(zhì)是反巻積過程。本發(fā)明重點(diǎn)介紹基于傅
立葉變換(FT)的有限支持域上的迭代盲目反巻積算法。
有限支持域上圖象降質(zhì)的數(shù)學(xué)模型一般可以表達(dá)為一個(gè)巻積積分
=J^O-sj-OgCM^w/z+^O^) (1)
式中，D是二維平面上的一個(gè)有限支持域。這里，觀測(cè)圖象/0c,力是一個(gè)完
全巻積，因而真實(shí)圖象g(X，力和點(diǎn)擴(kuò)散函數(shù)/^，力都是有限支持的。
二維盲目反巻積有一個(gè)解的模糊問題，此處關(guān)注的是位移模糊，因?yàn)檫@ 種表面上似乎不影響解的外形的模糊，實(shí)際上卻給迭代反巻積算法的收斂造 成很大困難，克服這一困難的方法是限制解的支持域。有限支持域上的二維 盲目反巻積問題一般說來是超定的，因而具有可解性。但是這一問題同時(shí)也 是非線性的，即解可能不唯一。
利用傅立葉變換(FT)可以實(shí)現(xiàn)圖象信號(hào)從時(shí)域到頻域的反復(fù)變換， 在反復(fù)變換中加進(jìn)期望的限制對(duì)信號(hào)在兩個(gè)域中進(jìn)行反復(fù)修改，使得最后產(chǎn) 生出期望的圖象。此想法的進(jìn)一步演化變成圖象復(fù)原和重建的基本方法之 一，已經(jīng)有許多成功的應(yīng)用。由于對(duì)信號(hào)的限制?？梢越忉尀橥辜队?，因 此這類迭代方法可歸類于基于凸集投影的算法。
對(duì)于盲目反巻積問題，將頻域估計(jì)用維納濾波來實(shí)現(xiàn)，使得傅立葉變換 迭代算法變得更合理。頻域估計(jì)的計(jì)算公式是
/^(附,")F(附,")
l"(附,")l2 +
S織(m，")
(2)
其中，S^O，") 率譜。
將Wiener :j
//(附，")=
(5 (w,w)尸(w,w)
^(附，")卩+s""(附，")
(3)
&A(W，")
&"w，")和分別是輸入信號(hào)、巻積核和噪聲的功
從w
波替
(m,") = GoW(w,") +
Wiener濾波，其頻域估計(jì)公式是
|//(w，w)|2 +y
K附，")-K附，")十
(5 (m,w)S(m，w)
(4)
(5)
10其中，S(m,") = F(m，")-6(m，")A(m，")， ^和^是兩個(gè)小常數(shù)。 一般說來， 如果信噪比較低,用較大的&和A可以保證解的平滑性,但是改善速度較慢。 反之，太小的^和 ^有可能使結(jié)果較快地接近一個(gè)不平滑的逆濾波解。經(jīng) 驗(yàn)表明利用傅立葉變換的迭代算法雖然沒有穩(wěn)定的收斂性質(zhì)，但常常能提供 一個(gè)較接近的解。由于基于傅立葉變換的迭代盲目反巻積算法有快速算法， 所以我們?cè)谡鎸?shí)圖象實(shí)驗(yàn)中利用這種算法進(jìn)行解模糊處理。
(2)噪聲的抑制
本發(fā)明提供了抑制圖象噪聲的基于二階偏導(dǎo)數(shù)的非線性各向異性擴(kuò)散 去噪算法，而且還提出和建立了能剔除條帶噪聲的陷波帶阻濾波器和能消除 顆粒噪聲的引入梯度限制的中值濾波器。
(i) 基于二階偏導(dǎo)數(shù)的非線性各向異性擴(kuò)散去噪算法 在僅有單源(幀)圖象的情況下，基于偏微分方程(PDE)去噪方法是
一個(gè)較好的選擇。本發(fā)明針對(duì)圖象中較普遍存在的高斯噪聲和泊松噪聲，將 二階導(dǎo)數(shù)因子引入基于PDE的非線性各向異性擴(kuò)散過程，建立了改進(jìn)的擴(kuò) 散去噪算法，不但能有效地抑制平滑區(qū)域的噪聲，而且能有效地抑制邊緣紋 理處的噪聲；不但能很好地保護(hù)階躍性強(qiáng)邊緣，而且能很好地保護(hù)甚至增強(qiáng) 較弱的細(xì)節(jié)紋理；還不會(huì)使邊緣紋理發(fā)生位移，沒有虛假紋理產(chǎn)生。處理高 斯噪聲污染的圖象，可使尸57V及提高值〉3 4必；處理泊松噪聲污染的圖象， 可使尸SV及提高值> 2 ~ 3dB 。
<formula>formula see original document page 11</formula>
(ii) 陷波帶阻濾波器
為了消除條帶噪聲，根據(jù)其頻譜的特點(diǎn)，在頻域設(shè)計(jì)了陷波帶阻濾波器。 理想帶阻濾波器的形式為
<formula>formula see original document page 11</formula>
式中，"(","=[("-M/2)2+(v-7V/2)卞2， M，W是圖象頻譜的二維寬度，二 維圓函數(shù)的中心與二維圖象頻譜的中心重合；//(",v)定義了一個(gè)圓環(huán)形的陷 波帶阻濾波器，W是阻帶的寬度，D。是圓形阻帶中心的半徑。
(iii) 引入梯度限制的中值濾波器在具有嚴(yán)重顆粒噪聲的圖象中進(jìn)行有限制的中值濾波，即在常規(guī)的中值 濾波中引入基于梯度的限制條件被處理點(diǎn)的梯度小于預(yù)定的門限且其灰值 在預(yù)定的值域之外。這樣，將圖象的梯度與其顆粒噪聲的關(guān)系作為先驗(yàn)信息， 建立了有限制的中值濾波算法，不但可以消除圖象中嚴(yán)重的顆粒噪聲，而且 可以有效地保護(hù)紋理細(xì)節(jié)。
(3)薄云薄霧抑制技術(shù)， 在薄云薄霧的情況下，圖象主要由兩個(gè)因素決定 一個(gè)是云霧等的影響， 記為z'"力，另一個(gè)是地面反射特性的影響，記為"0c，力，兩者是相乘的關(guān) 系，總的影響因素/"力為
/0，力w(Xjyo，力 (8) 根據(jù)云霧和景物分布的特點(diǎn)，相對(duì)而言，云霧主要分布在低頻，而景物
相對(duì)主要占據(jù)高頻。若去除云霧的影響，即去除/"力，求Ka力。由于
/"力是由/"力和Ka力相乘得到的，所以無法使用一般的濾波器把
去掉。本發(fā)明提供了解決這一問題的方法。
(i) 基于同態(tài)濾波的薄云薄霧抑制技術(shù) 基于同態(tài)濾波的薄云薄霧抑制技術(shù)是把頻率過濾和灰度變換結(jié)合起來
的一種處理方法，它是把地物和云霧的圖象反射模型作為頻域處理的基礎(chǔ)， 利用壓縮亮度范圍和增強(qiáng)對(duì)比度來改善圖象質(zhì)量的一種處理技術(shù)。利用同態(tài)
濾波器進(jìn)行云霧抑制的實(shí)施方案如附圖6(a)所示。
云霧分量通常是慢變化的，而反射分量則變化較為劇烈，這個(gè)特征使得 有可能把一幅圖象取對(duì)數(shù)后的傅立葉變換的低頻分量和云霧分量聯(lián)系起來， 而把反射分量與地面景物分量聯(lián)系起來，這樣的近似基本上反^fe了實(shí)際景物 的本質(zhì)。
(ii) 基于小波多分辨分析進(jìn)行云霧抑制 相對(duì)于傳統(tǒng)的分析方法來說，小波分析的一個(gè)主要優(yōu)點(diǎn)是提供了局部分
析和細(xì)化的能力，它可以更好地對(duì)時(shí)空信號(hào)的變化進(jìn)行建模，在描述信號(hào)的 細(xì)節(jié)方面更為方便。通過小波多分辨分析可以將一幅圖象進(jìn)行多層分解，形 成多個(gè)低分辨率成分，每一部分有不同的頻率和空間屬性，而且通過小波逆 變換可以利用每部分重構(gòu)一個(gè)高分辨率圖象。利用小波多分辨分析進(jìn)行云霧 抑制的實(shí)施方案如附圖6(b)所示。
2.關(guān)于單幀超分辨操作假定已經(jīng)消除了模糊、噪聲和云霧的影響，從頻譜上進(jìn)一步分析實(shí)際衛(wèi) 星圖象，研究頻譜結(jié)構(gòu)的基本屬性，特別是高頻段頻率混疊的情況，以便為 圖象超分辨探索先驗(yàn)信息。
如前所述；為了描述圖象因欠采樣引起的頻率混疊程度，提出和建立了
頻率混疊深度(FAD)參數(shù)C ，本發(fā)明研究C 的取值范圍、計(jì)算方法以及 Cn與超分辨方法選擇的關(guān)系，最后給出Cu的應(yīng)用。 FAD參數(shù)C 定義為
=混疊寬度 11 —頻譜寬度
上式中頻譜寬度為2;r。
采樣圖象的頻譜結(jié)構(gòu)形式和低頻部分保持不變，僅僅高頻有損失，并且 可能由于高頻混疊改變頻譜結(jié)構(gòu)。因此，在這里只關(guān)心高頻部分。根據(jù)各組 頻譜分析的結(jié)果，分別列表給出高頻能量的最低值、頻率混疊寬度和頻率混 疊參數(shù)C 的估計(jì)。
皿的超^^M處理中的具體iffi包括
(1) 對(duì)低分辨率的單幀圖象/(^,/)進(jìn)行傅里葉變換，將其變換到頻譜
(2) 對(duì)所獲得的頻譜F(w，")進(jìn)行頻域變換濾波或補(bǔ)償濾波處理，以得 到擴(kuò)展與增強(qiáng)的高分辨率圖象頻譜G(^Mf);
(3) 通過傅里葉逆變換，將經(jīng)過頻域擴(kuò)展與增強(qiáng)的超分辨率圖象頻譜 G(m，/i)變換成高分辨率圖象g(A，/)。
其中，所述的頻域補(bǔ)償濾波處理包括
(1) 對(duì)所述頻譜F(附，w)進(jìn)行頻譜分析，得到歸一化高頻中心能量參數(shù)
(2) 將所得到的歸一化高頻中心能量參數(shù)p與預(yù)先給定的門限外h進(jìn)行
比較；
(3) 當(dāng)所述參數(shù)p小于或等于所述門限/^時(shí)，利用頻域補(bǔ)償濾波器對(duì) 所述頻譜F(m，")進(jìn)行頻域補(bǔ)償處理；
(4) 當(dāng)所述參數(shù)/>大于所述門限/^時(shí)，對(duì)所述頻譜F(m,")進(jìn)行變換濾 波處理。
其中，所述頻域變換濾波器的一維數(shù)學(xué)模型為
13<formula>formula see original document page 14</formula>(9)
其中，/f是頻譜點(diǎn)，7V為原圖象行/列的像素?cái)?shù)目，J是超分辨率因子， 是 頻域高頻混疊中心能量歸一化參數(shù)，p是歸一化高頻中心能量參數(shù)，p與c12 互為倒數(shù)；
實(shí)施例2:
實(shí)際圖象大都含有或多或少的噪聲，為此首先利用上述基于FT的迭代 盲目反巻積算法對(duì)多組含噪模糊圖象進(jìn)行了解模糊復(fù)原操作的仿真實(shí)驗(yàn)，研 究解模糊效果與迭代次數(shù)N的關(guān)系。在實(shí)驗(yàn)中，首先使用大小為3x3的散 焦模糊矩陣對(duì)原始圖象作巻積，并加入N(0，5)的高斯噪聲，得到含噪的模糊 圖象；對(duì)含噪的模糊圖象進(jìn)行解模糊處理，迭代次數(shù)N從1變到6，得到解 模糊圖象。然后，對(duì)模糊圖象和解模糊后的圖象計(jì)算峰值信噪比i^iVi ,進(jìn) 而可以得到盲目反巻積算法三組實(shí)驗(yàn)結(jié)果的PSAT及增加值與迭代次數(shù)N的 關(guān)系曲線，進(jìn)而得到在迭代次數(shù)iV=2時(shí)解模糊前后i^iV及增加值達(dá)到峰值， 約為4~6dB,隨著迭代次數(shù)的進(jìn)一步增加，處理后的圖象的戶57V及反而降低。
分別提取和比較在超分辨處理前后圖象的FAD參數(shù)，可以得到多超分 辨處理效果的客觀評(píng)價(jià)，即將FAD參數(shù)用作超分辨的客觀評(píng)價(jià)參數(shù)。例如， 對(duì)某幅衛(wèi)星圖象，在超分辨處理前后的FAli參數(shù)分別Cm和Cu2，則令
△C = Cm-C112 (10)
或
々=cm - c112 x■ %
Cm
^=》 (12)
不難理解，AC是超分辨處理后圖象的FAD參數(shù)的減少量，Sc是FAD 參數(shù)減少量的相對(duì)值，^c是超分辨處理前后圖象FAD參數(shù)的比值。AC或 Sc或訴c越大，則超分辨處理效果越好。例如，假定C川-2.0， C112 = 0.5, 則ZJC二1.5, &=75%, 5RC=4。
顯然，^c是圖象頻率混疊改善的倍數(shù)，可以用分貝表示，稱之為頻率混疊深度改善因子，即
<formula>formula see original document page 15</formula>(13)
假定Cm-2.0， Cm=0.5，則訴,12dB，即經(jīng)超分辨處理后，圖象的 頻率混疊改善了 12dB。單幀超分辨處理方法
為了抑制圖象中的噪聲，存在很多常規(guī)的方法，例如各種幀內(nèi)濾波器和 幀間濾波器，都能在一定程度上濾除噪聲，但是存在噪聲濾除與邊緣紋理細(xì) 節(jié)保留之間的矛盾，在對(duì)噪聲進(jìn)行濾除的同時(shí)將圖象的邊緣紋理區(qū)域模糊 了，從而導(dǎo)致分辨率和對(duì)比度的降低。因此，必需研究新的去噪方法，在濾 除噪聲的同時(shí)，又能保留甚至增強(qiáng)邊緣紋理細(xì)節(jié)信息，以便有效地提高圖象 的空間分辨率。為此，本發(fā)明重點(diǎn)研究了四種去噪算法，下面給出四種去噪 算法，并給出處理結(jié)果。
(1) 基于多幀(源)信息融合的頻域去噪算法
在多幀(源)頻域解混疊理論基礎(chǔ)上，利用噪聲的不相關(guān)性，采用最 小均方技術(shù)，導(dǎo)出一套循環(huán)遞歸迭代算法
產(chǎn),+窗『c] 一
可以使尸57V鵬高值> 4.5必。
(2) 引入二階偏導(dǎo)數(shù)的非線性各向異性擴(kuò)散去噪算法 在僅有單源(幀)衛(wèi)星圖象的情況下，基于偏微分方程(尸"A去噪方
法是一個(gè)較好的選擇。將圖象的二階偏導(dǎo)數(shù)引入擴(kuò)散系數(shù)，建立新的非線性 各向異性擴(kuò)散算法
與以往的某些經(jīng)典的去噪方法相比，這種方法不但能夠較好地抑制噪 聲，并且能夠保留甚至增強(qiáng)邊緣和紋理細(xì)節(jié)等特征，提高抑制噪聲和圖象復(fù) 原的效果。處理髙斯噪聲污染的圖象，可使/^^ 提高值>3 4 ;處理泊松 噪聲污染的圖象，可使/^^ 提高值>2~3^ 。
1權(quán)利要求
1.一種單幀圖象超分辨方法，其特征是首先對(duì)圖象進(jìn)行分析，通過頻率混疊參數(shù)判定是否采用單幀頻域解混疊超分辨方法進(jìn)行處理；然后通過傅立葉變換、頻域解混疊算法及傅立葉反變換，豐富圖象的紋理與細(xì)節(jié)，提高圖象的清晰度、對(duì)比度和分辨率，并抑制振鈴假象。
2. 據(jù)權(quán)利要求1所述的單幀圖象超分辨方法，其特征是所述的頻率 混疊深度_混疊寬度 "_頻譜寬度其中，頻譜寬度為2;r; Cu為頻率混疊深度(FAD)參數(shù)，反應(yīng)頻譜高端混疊的程度。Cu提取過程包括對(duì)欠采樣的低分辨率圖象，進(jìn)行傅立葉變換； 對(duì)低分辨圖象的頻譜進(jìn)行全局多項(xiàng)式最小二乘擬合；對(duì)擬合以后的頻譜中的 低頻成分和高頻中心能量，進(jìn)行二次截?cái)鄶M合；對(duì)二次截?cái)鄶M合的頻譜進(jìn)行 頻譜拓展，進(jìn)而估算出FAD參數(shù)Cu。若FAD參數(shù)Cu 則采用單幀超分辨技術(shù)，若FAD參數(shù)Cn >0.4,則采用多幀超分辨技術(shù)。
3. 根據(jù)權(quán)利要求1或2所述的單幀圖象超分辨方法，其特征是所述 的超分辨解混疊處理中包括-.(1) 對(duì)低分辨率的單幀圖象/(W)進(jìn)行傅里葉變換，得到其頻譜；(2) 對(duì)所獲得的頻譜F(m,")進(jìn)行頻域變換濾波或補(bǔ)償濾波處理，以得 到擴(kuò)展與增強(qiáng)的高分辨率圖象頻譜( (m^);(3) 通過傅里葉逆變換，將經(jīng)過頻域擴(kuò)展與增強(qiáng)的超分辨率圖象頻譜 G(m，n)變換成高分辨率圖象g^，/)。
全文摘要
單幀圖象超分辨方法，成像系統(tǒng)在成象過程中，使原來的物圖象模糊和變形；同時(shí)，由于其中模數(shù)(A/D)變換過程CCD的欠采樣，會(huì)引起頻率混疊，丟失高頻信息，并且使頻率混疊段出現(xiàn)頻譜畸變，因此，不但將真實(shí)的圖象景物的頻譜變窄了，而且改變了高頻段的結(jié)構(gòu)，這是因?yàn)槌上衿骷脑O(shè)計(jì)限制造成的分辨率損失。單幀圖象超分辨方法，首先對(duì)圖象進(jìn)行分析，通過頻率混疊參數(shù)判定是否采用單幀頻域解混疊超分辨方法進(jìn)行處理；然后通過傅立葉變換、頻域解混疊算法及傅立葉反變換，豐富圖象的紋理與細(xì)節(jié)，提高圖象的清晰度、對(duì)比度和分辨率，并抑制振鈴假象。本發(fā)明用于衛(wèi)星遙感圖象處理、醫(yī)學(xué)圖象和地震圖象分析等諸領(lǐng)域。
文檔編號(hào)G06T5/00GK101540039SQ20081009605
公開日2009年9月23日 申請(qǐng)日期2008年4月25日 優(yōu)先權(quán)日2008年3月21日
發(fā)明者李冬冬, 李金宗, 楊學(xué)峰, 馬冬冬 申請(qǐng)人:李金宗