基于小波的POCS超分辨率图像重建.docVIP

基于小波的POCS超分辨率图像重建 　　摘 要：本文在分析现有SR重建方法的基础上，提出了基于小波的POCS超分辨率图像重建算法。此算法是传统POCS算法的扩展，在小波域执行一些凸投影操作，并利用随机小波系数优化技术来修正高分辨率图像估计的小波子图像系数。 　　关键词：SR重建；POCS算法；小波分析 　　中图分类号：TP391.41 　　在视频和图像信号处理领域，相比于傅里叶信号分析，小波分析是一种相对较新的工具。此外，毫无疑问的是，许多信号处理方法强烈地依赖于各种随机概念。本文提出了一种基于小波分析的POCS超分辨率算法，其规定了一个小波凸集，使用常规POCS方法中的随机过程为小波系数子图像优化。 　　1 基于小波分析的POCS结构 　　在常规POCS超分辨率方法的基础上，我们想要改善重建图像质量和减少特定噪声，同时，在 POCS过程中使用更多的先验知识来形成一个凸集，则估计HR图像的最终结果将会非常逼近于原始场景。因此，我们可以在POCS迭代过程中加入一个新的基于小波的凸集和一个小波域系数子图像修正过程，这样就可以得到一幅更好的HR图像且能迅速的去除噪声。 　　图1 基于小波的POCS超分辨率图像重建流程图 　　2 小波凸集投影 　　一幅小波域的HR图像x（m1，m2）可表示为一个LL带的小波逼近成分和LH，HL，HH带中三个详细成分的总和： 　　（1） 　　基于小波域表示的SR图像重建模型，其POCS过程中估计HR图像 的凸集可定义为： 　　（3） 　　将估计HR图像 投影到CW 的操作可以定义为： 　　（4） 　　3 随机小波系数优化过程 　　随机小波系数优化过程是在小波凸集投影之后进行的，小波系数优化过程的目的是消除噪声成分，调整错误估计的像素以及改善估计HR图像。 　　3.1 估计小波系数方差 　　对于小波系数优化过程来说，方差估计是非常重要的，准确的方差估计会得到更好的优化和噪声减少效果，这一步估计小波系数子图像的方差，方差估计的输入是步骤一中HR图像小波分解的结果： 　　（5） 　　上式中，d表示窗口的大小，W（i，j）表示（i，j）位置的小波系数，求和计数ι是从2开始的，这是因为最大和最小的系数已经去除掉了的。 　　3.2 F分布 　　F分布是一个连续的概率分布，它通是作为检验统计量的零分布使用的，尤其是在方差分析方面，F分布的累积分布函数（CDF）曲线是由自由度d1和d2确定的。 　　（7） 　　其中G（x）是F分布的CDF，I是正则化不完整β函数。 　　介绍F分布的原因是为了利用F检验作为一个工具来确定作为检查小波系数方差的阈值的一个临界值。 　　3.3 F检验和系数修正 　　F检验的详细过程描述如下：第一，中心方差系数与其接触的邻域中最大的值进行比较，根据F分布，若对比的结果显示的是方差系数是统计不同的，那么对应的特征应保留，否则，中心方差系数需要与两个相邻子窗口的平均方差系数中的最小值再次进行比较和再次检查，若F检验显示的是中心方差系数与这个平均值的最小值不同，那么相应特征应保留；否则特征应当修正。 　　在F检验识别出哪一个小波系数应当抑制之后，对噪声和错误估计的小波系数进行修正。小波系数修正方案，即“方差相关衰减”使用衰减系数α，这个衰减系数α是自适应的，它的值可以通过式（8）和式（9）确定。 　　（8） 　　其中 　　（9） 　　通过对F检验函数提出两个不同的信任度γ1和γ2，研究小波系数方差 和 的比率R，R的值可分为3个不同区域。R的值位于最左边的区域意味着小波系数应保持不变，这时，衰减系数α设为1；那么，若R的值位于临界值Fγ1（d，d）和Fγ2（d，d）之间的区域，意味着小波系数需要通过由式（8）决定的系数α进行自适应衰减；另外，若R的值位于比临界值Fγ2（d，d）还大的区域，衰减系数 设为预先确定的衰减系数。 　　4 基于小波的POCS迭代算法 　　步骤1：图像配准，首先，将获取的LR图像中的其中一幅设为参考图像，而用所有其他的连续LR图像与参考图像进行对比，应用中旋转和运动估计算法以获得每幅LR图像的全局运动向量，根据LR图像的运动向量，算法将对所有LR图像与参考图像进行排列，然后将排列后的LR图像传输到下一步骤。 　　步骤2：退化函数估计，退化函数通常是指每幅LR图像上的图像模糊效果，利用盲目模糊识别算法来查找每幅LR图像的模糊滤波B的核心，模糊滤波B是形成式定义的完整退化函数Hi的退化元素的一种。 　　步骤3：投影到CD，本文算法从这一点开始，第一幅LR图像通过下采样系数μ进行缩放。使用双线性插值作为HR原图像x0（m1，m2）的第一次初始猜测，然后计算残差γ（x）（n1，n2）。依据数据一致性约束C