專利名稱：針對文字圖像的稀疏約束自適應nlm超分辨率重建方法
技術領域：
本發(fā)明涉及針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，尤其針對低分辨率文字圖像的自適應h參數(shù)NLM(Non-local mean)超分辨率重建方法，在字符文字取證、物聯(lián)網(wǎng)視頻感知、智慧城市領域等方面具有廣泛應用前景。
背景技術：
改善圖像質量是圖像處理領域的重要課題，圖像超分辨率作為改善圖像質量的一項重要技術已經(jīng)成為目前研究的熱點。高分辨率文字圖像是文字圖像識別等應用的前提，在文字取證、物聯(lián)網(wǎng)視頻感知、智慧城市領域等方面具有廣泛應用前景，如交通路口視頻監(jiān)控是違章、肇事等車輛的車牌、車型檢測與識別的一個重要環(huán)節(jié)。目前，一方面由于成像設備等因素的制約，監(jiān)控視頻圖像分辨率較低，此外，天氣、光照以及光學系統(tǒng)像差、散焦、抖動等因素常常導致獲得的字符序列圖像和交通視頻中車牌字符圖像分辨率低、無法識別； 另一方面由于監(jiān)控設備在成像過程中CCD存在欠采樣、在視頻采集和傳輸環(huán)節(jié)中，數(shù)據(jù)壓縮編碼也會造成信息丟失，使本來已經(jīng)難以辨認的視頻文字圖像或車牌字符更加難以檢測與識別。但視頻序列圖像之間存在大量幀間冗余和互補信息，這些幀間互補信息以及單幅圖像的自相似冗余信息為超分辨率重建提供了數(shù)據(jù)基礎和技術可行性?；跁r間分辨率與空間分辨率在一定條件下相互轉化的準則，超分辨重建利用多幅低分辨率的圖像序列，由算法處理多幀圖像的互補信息，獲得一幀高空間分辨率的圖像。傳統(tǒng)的超分辨率重建算法主要包括頻率域方法和空間域方法。現(xiàn)有的NLM超分辨率重建算法沒有針對字符圖像的重建的研究，并且存在參數(shù)選擇依賴經(jīng)驗和圖像比較子塊之間的相似性度量等問題，參數(shù)選擇不合適導致超分辨重建失敗或者產(chǎn)生過平滑。

發(fā)明內(nèi)容
本發(fā)明主要是解決現(xiàn)有技術所存在的序列低分辨率圖像字符空間分辨率低和可辨識能力差；權值增益調(diào)節(jié)因子h、搜索窗、比較窗的參數(shù)難以選擇等的技術問題；提供了一種解決了現(xiàn)有NLM方法超分辨率重建算法中h參數(shù)根據(jù)經(jīng)驗設定的問題；在權值矩陣計算中提出利用L-1范數(shù)距離來度量圖像子塊的相似度，避免了重建結果的過度平滑；既能取得較高的重建精度，又能有效降低算法時間復雜度；能夠達到高精確亞像素匹配；并能在抑制噪聲和寄生波紋的同時，有效保持圖像的邊緣紋理信息的一種針對文字圖像的基于NLM方法的超分辨率重建方法。本發(fā)明的上述技術問題主要是通過下述技術方案得以解決的一種針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，包括以下步驟步驟1，由參數(shù)輸入模塊輸入超分辨率重建所需數(shù)據(jù)及參數(shù)，包括低分辨率字符圖像觀測序列{yj，t = I, 2，3... η、超分辨率尺度因子S、高分辨率網(wǎng)格圖像搜索窗尺寸P、低分辨率網(wǎng)格圖像比較窗尺寸q ;
步驟2，由初始化模塊針對上述輸入的參數(shù)進行高分辨率網(wǎng)格圖像初始化，即對每幀低分辨率字符圖像{yj進行s倍最鄰近插值，得到其高分辨率初始估計網(wǎng)格圖像戌丨；步驟3，由圖像邊界延拓模塊對每幀高分辨率初始估計網(wǎng)格圖像戌}進行圖像邊界延拓，得到延拓后圖像{之_,}；步驟4，由權值調(diào)節(jié)因子模塊獲取權值調(diào)節(jié)因子h，即計算步驟3中每幀高分辨率初始估計網(wǎng)格圖像戌}的像素平均灰度值差avgAx，由avgAx計算出當前巾貞圖像權值矩陣的權值調(diào)節(jié)因子h;·
步驟5，由逐點超分辨率重建模塊進行逐點超分辨率重建，即針對步驟3中的高分辨率初始估計網(wǎng)格圖像戌}中每個像素點(k，d，依據(jù)(k，D為中心的對應搜索窗，進行z字型遍歷逐點進行超分辨率重建計算；步驟6，由迭代更新模塊以丨之J代替步驟3中的初始估計戌丨，重復步驟4、5、6進行高分辨率網(wǎng)格圖像數(shù)據(jù)迭代更新，得到η次迭代后的重建結果丨i, };步驟7，由字符圖像去模糊模塊用自適應TV去模糊算法對步驟6中獲取的重建超分辨率重建結果{尤，}進行去模糊，最終得到去模糊的清晰高分辨率字符圖像丨。在上述的針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，所述的步驟4中包括以下子步驟步驟4.1.由權值矩陣獲取子單元進行權值矩陣W的獲取，即根據(jù)調(diào)節(jié)因子h基于式一進行權值計算，計算高分辨率初始估計網(wǎng)格圖像戌丨中，以像素(k，I)為中心的搜索窗中每個像素(i，j)對應的權值 ^(k，l，i，j，t)， 遍歷完高分辨率初始估計圖像泛}中所有像素后得到權值矩陣w
權利要求
1.一種針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，包括以下步驟 步驟1，由參數(shù)輸入模塊輸入超分辨率重建所需數(shù)據(jù)及參數(shù)，包括低分辨率字符圖像觀測序列{yt}，t = I, 2，3. . . η、超分辨率尺度因子S、高分辨率網(wǎng)格圖像搜索窗尺寸P、低分辨率網(wǎng)格圖像比較窗尺寸q; 步驟2，由初始化模塊針對上述輸入的參數(shù)進行高分辨率網(wǎng)格圖像初始化，即對每幀低分辨率字符圖像{yj進行s倍最鄰近插值，得到其高分辨率初始估計網(wǎng)格圖像忒h 步驟3，由圖像邊界延拓模塊對每幀高分辨率初始估計網(wǎng)格圖像( ;)進行圖像邊界延拓，得到延拓后圖像(t—}; 步驟4，由權值調(diào)節(jié)因子模塊獲取權值調(diào)節(jié)因子h，即計算步驟3中每幀高分辨率初始估計網(wǎng)格圖像j丨的像素平均灰度值差avgAx，由avgAx計算出當前巾貞圖像權值矩陣的權值調(diào)節(jié)因子h; 步驟5，由逐點超分辨率重建模塊進行逐點超分辨率重建，即針對步驟3中的高分辨率初始估計網(wǎng)格圖像找丨中每個像素點(k，1)，依據(jù)(k，I)為中心的對應搜索窗，進行Z字型遍歷逐點進行超分辨率重建計算； 步驟6，由迭代更新模塊以(尤代替步驟3中的初始估計戍丨,重復步驟4、5、6進行高分辨率網(wǎng)格圖像數(shù)據(jù)迭代更新，得到η次迭代后的重建結果{之. }; 步驟7，由字符圖像去模糊模塊用自適應TV去模糊算法對步驟6中獲取的重建超分辨率重建結果J進行去模糊，最終得到去模糊的清晰高分辨率字符圖像丨;0。
2.根據(jù)權利要求1所述的針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，所述的步驟4中包括以下子步驟 步驟4.1.由權值矩陣獲取子單元進行權值矩陣W的獲取，即根據(jù)調(diào)節(jié)因子h基于式一進行權值計算，計算高分辨率初始估計網(wǎng)格圖像{ ;丨中，以像素(k，I)為中心的搜索窗中每個像素(i，j)對應的權值 ^(k，1，i，j，t) 遍歷完高分辨率初始估計圖像漢丨中所有像素后得到權值矩陣w
3.根據(jù)權利要求1所述的針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，所述步驟I中，超分辨率升尺度因子s的選擇取值為2至5，重建圖像空間分辨率能達到原圖的2到5倍。
4.根據(jù)權利要求1所述的針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，所述步驟I中，低分辨率字符圖像比較窗尺寸q指在低分辨率格字符圖像上用來相似性計算的比較窗大小，重建算法中低分辨率網(wǎng)格圖像比較窗尺寸對應的高分辨率網(wǎng)格圖像比較窗尺寸Q由式二得到，低分辨率字符圖像比較窗大小根據(jù)圖像字符的紋理特征來調(diào)整
5.根據(jù)權利要求1所述的針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，所述的步驟3中，將高分辨率初始估計圖像邊緣根據(jù)鏡像延拓算法進行延拓，能夠在超分辨率重建中保留圖像邊緣信息，延拓區(qū)域寬度width由式三得到
6.根據(jù)權利要求1所述的針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，所述步驟4中，因子h的選擇與圖像紋理特征相關，通過計算圖像統(tǒng)計特征中的像素平均灰度值差avg Λ X實現(xiàn)自適應選擇h，如下式所示
7.根據(jù)權利要求1所述的針對文字圖像的稀疏約束自適應NLM超分辨率重建方法，其特征在于，所述的步驟4中，權值計算公式中圖像相似性度量方法根據(jù)字符圖像的細小紋理和空域結構稀疏的特點，采用式六L-1范數(shù)圖像距離來度量圖像子塊的相似性，即imgdist為圖像子塊相似性距離參數(shù)
全文摘要
本發(fā)明涉及針對文字圖像的稀疏約束自適應NLM超分辨率重建方法。是文字圖像檢測與識別的前提，在智慧城市、物聯(lián)網(wǎng)視頻感知等方面具有廣泛應用前景。利用字符圖像的統(tǒng)計稀疏性、結構稀疏性自適應的計算權值調(diào)節(jié)因子h，解決了現(xiàn)有NLM方法超分辨率重建算法中h參數(shù)根據(jù)經(jīng)驗設定的問題；提出利用L-1范數(shù)距離來度量圖像子塊的相似度，避免了重建的過度平滑；實驗分析得出搜索窗參數(shù)p和比較窗參數(shù)q的最佳值，既能取得較高的重建精度，又能有效降低算法時間復雜度；通過塊匹配方法達到高精確亞像素運動估計；超分辨率上采樣因子達到2-5倍。通過自適應總變分算法對重建結果去模糊，在抑制噪聲和寄生波紋的同時，有效保持了圖像的邊緣紋理信息。
文檔編號G06T5/00GK103020905SQ201210381368
公開日2013年4月3日 申請日期2012年10月9日 優(yōu)先權日2012年10月9日
發(fā)明者孫濤, 張巍, 許田, 唐賢秀, 陳王麗, 林立宇, 秦前清 申請人:武漢大學