一種圖像處理方法
【技術領域】
[0001] 本發明涉及圖像技術處理領域，具體地，涉及一種基于自適應銳化策略的單幀圖 像超分辨率重建方法。
【背景技術】
[0002] 隨著智能手機、數碼相機等圖像拍攝設備的普及，數字圖像已成為人們分析和理 解自然環境的重要信息媒介。據統計，人類所能感知信息的80%均來自于以圖像為載體的 視覺信息。衡量數字圖像質量優劣的重要指標之一是圖像分辨率，分辨率越高，說明圖像越 清晰，能提供的信息越豐富。然而，受成像設備物理條件限制，獲取的數字圖像往往分辨率 低且包含噪聲。
[0003] 單幀圖像超分辨率重建通過軟件的方式將輸入的一幅低分辨率圖像轉換成更清 晰的高分辨率圖像，從而為用戶提供更豐富的細節信息，同時提高用戶的視覺效果感受。其 中，非均勻插值算法應用最為廣泛。具體而言，該算法采用加權平均方法實現對高分辨率圖 像中未知像素的估計:低分辨率圖像的全體像素首先映射到高分辨率網格中，作為插值樣 本點的來源;未知的高分辨率像素，其灰度值為鄰域內所有插值樣本點灰度值的加權平均。 一般而言，插值算法的核心為1)建立起未知高分辨率像素與低分辨率圖像中像素間的聯 系，即選擇合適的插值樣本點，2)根據一定的方式進行插值權重分配。其中，如何設計出一 種合適的權重分配方式，是影響重建效果的關鍵因素之一。
[0004] 傳統的插值算法如最近鄰插值、三次樣條插值方法在設計權重時，僅考慮像素間 的空間距離。例如，經典核回歸方法實現插值的步驟如下：已知待插值像素的坐標為m，插值 樣本點(位于以像素 m為中心的鄰域中）的坐標為nu，且該插值樣本點的灰度值為z(mi)，i = 1，2，…，P，根據泰勒展開原理，待插值像素的灰度值z(m)可由下式獲得：
[0005] …/-1 V-
一 J
[0006] 其中，ft)=z(m)，fo=[Lx(m)，Ly(m)]T為該待插值像素在橫縱坐標方向上的一階導數值 估計扁叫入( m)T為待插值像素在橫縱坐標方向上的二階導數值估計;vech() 將對稱矩陣的下三角部分按字典序排列，構成一個列向量，
A w(m;mi)為核函數，在經典核回歸中 2，h為尺度參數， J 控制高斯函數的寬度。容易看出，經典核回歸插值算法在計算插值權重時，僅比較像素間的 空間距離差異:與待插值像素距離相同的插值樣本點都賦予相同的權重。由于該方法忽視 了圖像內部的灰度變化趨勢，故其重建結果無法保持圖像中的細節信息。總體而言，傳統插 值算法容易導致重建圖像細節模糊。此外，若低分辨率圖像存在噪聲，則伴隨著插值過程， 該噪聲也將會出現在重建圖像中。
[0007] 近年來，針對插值算法容易出現圖像細節模糊的缺陷，能夠反映圖像內灰度變化 趨勢的權重設計策略被逐漸采用。專利CN201410193840.4提出了一種基于邊緣導向的插值 算法:利用Canny邊緣檢測算子，計算出圖像塊內的邊緣走向，由此將圖像內的所有圖像塊 分為11類;并根據邊緣類型，提取每一個圖像塊內沿邊緣方向的像素，用于實現對該圖像塊 中心像素的插值計算。由于該算法借助圖像塊內的邊緣走向，并以此為啟發式信息，故其重 建結果的細節更為清晰，從而較好地克服了傳統方法中邊緣模糊的缺點。然而，該方法的有 效性取決于Canny算子對邊緣檢測的準確性。當圖像包含噪聲時，Canny算子難以進行準確 的邊緣提取，進而影響算法對圖像細節的重建效果。另一方面，與傳統插值算法相似，噪聲 也將伴隨插值過程進入重建圖像，使重建結果也遭受噪聲污染。
[0008] 為避免邊緣檢測算子的準確性對非均勻插值算法的影響，專利CN200810063953.7 將所有低分辨率圖像像素映射到高分辨率網格中，比較待插值像素與映射后的低分辨率像 素間的距離關系，并按照一定的原則選擇適合的經映射的低分辨率像素，作為插值樣本點， 此外，利用經典核回歸理論，估計待插值像素的灰度值。近年來，基于自適應核回歸理論插 值方法獲得較高專注，其與基于經典核回歸理論插值方法的區別在于:在核函數的計算過 程中，加入了對圖像局部結構信息的描述，即
，匕是關于 像素 m的協方差矩陣。專利201410173153.6在自適應核回歸理論的基礎上，提出了一種置信 度自適應核函數，增加了對插值樣本點的可靠性判別，能較好地抑制僅利用自適應核函數 而產生的異常值。然而，在處理含噪圖像時，這類基于核回歸理論(經典或者自適應)的方法 雖然可通過改變核函數的內部參數平滑重建圖像，從而達到去噪的目的。然而，對于參數選 擇目前尚未得到統一共識。
[0009] 綜上所述，本申請發明人在實現本申請實施例中發明技術方案的過程中，發現上 述技術至少存在如下技術問題：
[0010] 在現有技術中，現有的基于非均勻插值思想的單幀圖像超分辨率重建方法存在圖 像細節重建效果容易受影響，重建結果容易遭受噪聲污染，當前方法無法同時有效的解決 圖像邊緣模糊和噪聲問題。
【發明內容】
[0011] 本發明提供了一種圖像處理方法，解決了現有的基于非均勻插值思想的單幀圖像 超分辨率重建方法存在圖像細節重建效果容易被模糊，重建結果容易遭受噪聲污染的技術 問題，實現了圖像重建效果不容易被模糊，重建結果不容易遭受噪聲污染的技術效果。
[0012] 為解決基于非均勻插值思想的單幀圖像超分辨率重建方法中常見的邊緣模糊和 噪聲去除問題，本發明提供一種新的權重計算方式，在自適應核回歸理論插值的基礎上，弓丨 入圖像銳化機制，從而實現同步的超分辨率重建和圖像去噪。
[0013] 本發明提供的新的圖像處理算法包括下列步驟。
[0014] 步驟A---步驟B--步驟C--步驟D--步驟E--步驟F:
[0015]步驟A:輸入一幅被尚斯白噪聲污染的圖像L;
[0016] 步驟B:利用經典核回歸對圖像L進行插值，獲得對圖像L的初始估計Z以及圖像的 一階導數厶和其中X和y分別是圖像￡中像素的橫坐標方向和縱坐標方向；
[0017] 步驟C:利用步驟B中計算出的一階導數，按如下的表達式得到圖像￡中每個像素 m (m=[mx，my]TR表該像素的位置坐標，下文采用"像素 m"代表位于該位置的像素點）的協方 差矩陣Ci:
[0018]
[0019] 其中^表示一個以像素 m為中心的圖像塊，nu代表位于該區域內的像素， Z； (m;)和鳥(m;)分別表示像素 nu在橫縱坐標方向上的一階導數值；
[0020] 步驟D:使用協方差矩陣Ci，構造自適應核函數：
[0021]
[0022] 其中，其中，η和m分別表示圖像f中兩個像素，其中，η為待更新灰度值的像素，m為 其周圍的像素 ，xi = m_n為像素間的坐標差;Ci是像素 m由步驟C得到的協方差矩陣;h為尺度 參數，用于控制高斯函數的寬度。
[0023] 步驟E中，對核函數進行自適應銳化，包括以下三個步驟：
[0024] 步驟E1:將步驟C中計算出的協方差矩陣進行奇異值分解，獲得奇異值S1，s2，并計 算紋理描述子TM:
[0025]
[0026]其中，TM(m)表示在像素 m的紋理描述值，該數值反映了以像素 m為中心的局部區域 的紋理強度；
[0027]步驟E2:將TM值進行累積直方圖統計，根據該直方圖，將圖像按照紋理強度進行像 素分類：
[0028]
[0029] T!是紋理區域和平坦區域的分類閾值，對應于TM累積直方圖中