基于l1范数的超分辨率图像序列重建算法.docxVIP

基于l1范数的超分辨率图像序列重建算法 在方程（3）中，是正系数，在平衡正系数和数据元素的作用。当重建解较大时，重建解变得光滑，相反，数据调整误差减小。当p=1时,(3)式为具有L1范数的正则化问题,当p=2时,(3)式为具有L2范数的正则化问题。 在文献中,利用了L2范数的形式,其对应的形式如下: 式(4)中的前一项为平方,而对于图像序列的超分辨率重建来说,由于数字图像的运算在计算机中就是以矩阵的形式表示,所以这将会导致计算速度的下降,而当p=1时,符合L1范数的形式;相对于矩阵平方的运算,L1范数的形式能很好提高算法的运算速度;且由于文献利用L1TV法实现了对图像的去噪处理,所以本文采用基于L1范数和TV正则化的方法进行图像序列的超分辨率重建;L1TV法的代价函数,定义为: 在式(5)中: 式(6)中Ω为图像空间,Xu=?X?uXu=?X?u、Xv=?X?vXv=?X?v是图像X在点(u,v)沿水平和垂直方向上的一阶偏导数,β为可调参数,是为了避免JTV(X)在Xu=0、Xv=0处不可微。将式(6)代入到式(5)中得: 利用变分方法求解式(7),最小化问题就转化为求解Euler-Lagrange方程: 式(8)中: L(X)X=-?(?X√|?X|2+β2)=Xuu(X2v+β2)-2XuXvXuv+Xvv(X2u+β2)(X2u+X2v+β2)32(9)Xuu=?2X?u2?Xuv=?2X?u?v?Xvv=?2X?v2。L(X)X=??(?X|?X|2+β2√)=Xuu(X2v+β2)?2XuXvXuv+Xvv(X2u+β2)(X2u+X2v+β2)32(9)Xuu=?2X?u2?Xuv=?2X?u?v?Xvv=?2X?v2。 本文利用最速下降法迭代求解: 式(10)中α为迭代步长,算法步骤如下: (1) 初始化迭代次数n0,利用插值的方法确定初始值X0; (2) 求梯度方向, (3) 迭代更新,Xn+1=Xn-αGn; (4) 迭代停止的条件为∥Xn+1-Xn∥∥Xn∥≤η∥Xn+1?Xn∥∥Xn∥≤η,其中η为预先设定的阈值,本文设为10-8;若满足迭代停止条件,转到(5),否则令n=n+1,转到(2); (5) 如果η≤10-8或者n达到最大迭代次数,结束程序;Xn+1即为重建的高分辨率图像。 3 实验结果及分析 实验一选择图256×256 foreman图像依次进行仿射变换、模糊、欠采样及加入噪声生成16幅低分辨率图像。模糊取尺寸为3×3,方差为0.3的高斯模糊,欠采样因子为2。实验选取其中一幅低分辨率图像(如图2(a)),分别对最邻近插值法、L2TV、本文算法进行实验;实验中采用高斯金字塔配准算法获得运动参数,迭代步长α=2,正则化因子λ=0.4;最大迭代次数为50。图2(b)为对图2(a)进行最邻近插值得到原来两倍的图像,图2(c)为采用L2TV方法重建得到的超分辨率图像,图2(d)为本文算法结果,重建时均选择图2(b)作为起始参考帧。实验是利用matlab7.0在奔4、512 M内存的环境下进行的。 3.1 检测图像质量的分析 从图中可以看出2(d)比2(c)获得相类似的重建结果,且3(d)中边缘也得到了很好的保持。 为了客观评价超分辨率重建图像的效果,采用两种衡量指标来定量的分析实验中的结果: (峰值信噪比(PSNR)主要用来评价图像经压缩、传输、复原处理前后的质量变化情况,定义如下式所示: 式(11)中uv为图像的总像素,∧XX∧和X分别表示重建的高分辨率图像和原始图像。从表1中可以看出图2(d)的峰值信噪比与L2TV法的相近,但比最邻近插值法的要大。 (2) 图像标准偏差,反映了图像整体灰度的分布的统计量,标准偏差越大,对比度越大,方差的基本表达式定义为 式(12)中M和N表示图像的行和列数,f(i,j)表示图像在(i,j)点的灰度值,μ为整幅图像的均值。从表1中可知图3(d)的标准差最大。 3.2 迭代速度lt 从4.1的分析可以看出,L1TV法与L2TV法在重建效果上相似,甚至更好一点;图3是L1TV法与L2TV方法在重建时,根据不同的迭代次数需要的相应的迭代时间绘制的。其中横坐标表示迭代次数,纵坐标为相应的迭代时间(单位为s);蓝色实线表示L1TV(本文算法)法的运算速度曲线,红色实线为L2TV法的运算速度曲线;从图3中可以看出,当迭代次数较小时,两者的运算速度相差不是很明显,但随着次数的不断增大,本文算法的运算速度明显比L2TV法的运算速度要快。 4 高分辨图像重建技术 本文设计了基于L1范数和TV正则化的超分辨率图像重建算法,将L1范数作为保真度约束项,用TV正则化来克服超分辨率重建问题的病态性,有效地保持了图像的边缘并且提高了运算速度。利用模拟的数据进行超分辨率重建,并将结果与基于L2范