文章编号：1007-1423（2014）08-0031-06DOI：10.3969/j.issn.1007-1423.2014.08.008基于光流法的迭代反投影超分辨率重构算法杨克伟（厦门大学通信工程系，厦门361005）摘要：为了提高重构图像或者视频的分辨率，提出把新型的基于光流法的图像配准算法应用于迭代反投影（IBP）超分辨率算法中。在所提出的方法中，基于光流法的图像配准算法用来提高图像配准的准确性。首先，为了得到像素级别的运动矢量，基于光流法的图像配准算法被用于估计图像间的运动矢量，以得到更加准确的运动矢量矩阵。接着，利用所获得的运动矢量矩阵结合迭代反投影算法重构高分辨率的图像。同时，由于基于光流法的图像配准能够很好地估计视频图像间的运动，所提出的方法同样适用于视频图像的超分辨。实验结果表明，提出的方法对于图像或者视频的超分辨率效果，在主观效果和客观评价上都有一定的提升。关键词：图像超分辨；视频超分辨；光流法；迭代反投影基金项目：国家自然科学基金（No.61102135）0引言用配准得到的运动矢量把低分辨率图像上像素点的值映射到高分辨率参考图像中。然后通过映射到高分辨图像的超分辨率重构是指对于一张或者多张的图率图像上的点插值出高分辨率图像网格上的点。最后像，利用超分辨率算法得到一张高分辨率的图像。图像应用去模糊和去噪声的方法减少图像传感器的模糊。或者视频的超分辨重构在很多领域有重要的作用，例在超分辨率重构的过程中，图像配准是最关键的。很多如天文学的研究、军事监视、医疗诊断、远程感应等领传统的图像配准算法只能估计图像的全局平移或者旋域。超分辨率重构的本质是利用多张图像间互补的信转运动。但是视频图像间的运动通常是比较复杂的，传息来扩展图像的高频分量[1]。统的图像配准算法并不适合于视频图像间的运动估近年来，多种基于迭代的超分辨率重构算法逐渐计。被提出来，这些超分辨率重构算法主要分为基于频域本文提出在图像超分辨率重构的配准过程中使用的重构算法和基于时域的重构算法。基于频域的重构新型的基于光流法的图像配准算法[7]，基于光流法的图算法最早由Tsai和Huang在1984年提出来[2]，其提出像配准算法可以很好地估计图像间的全局运动和局部的重构算法利用了傅里叶变换的频移特性。基于时域运动。在我们的实验中，基于光流法的图像配准算法用的重构算法主要包括插值算法、迭代反投影算法[1，3]、凸来得到准确的运动矢量矩阵。接着，利用运动矢量矩阵集投影算法[4]、最大后验概率方法[5]以及基于学习的算结合迭代反投影算法重构高分辨率的图像。实验结果法[6]。尽管超分辨率重构算法的种类有很多，但是超分表明，基于光流法的迭代反投影方法的实验结果比双辨率重构算法的重构过程都主要包括四个部分：配准、线性插值、双三次插值、基于频域的迭代反投影算法的映射、插值、去模糊和去噪声。配准是指利用配准算法实验结果好。来估计图像间的运动矢量，获得运动矢量矩阵。接着利趮2014.03中趦1基于光流法的图像配准算法由图中可以看出，第k幅低分辨率图像与原始高分辨率的关系可以由公式表示：图像配准是超分辨率重构算法中最为关键的一个g=DCEf+n（2）过程，图像配准的准确度决定超分辨率重构图像的清kkkkk其中E代表图像生成模型仿射变换，C表示点扩晰度。本文提出在迭代反投影超分辨率重构算法中引kk入新型的基于光流法的图像配准算法提高图像配准散函数的模糊矩阵，D是下采样矩阵，n代表噪声。，kk的准确性。基于光流法的图像配准算法是密集型运动对于一个成像系统来说，点扩散函数和下采样矩估计算法，能够得到像素级别的运动矢量矩阵。大多数阵在图像生成过程中通常是一样的。因此，假设在低分密集型的光流法都是在和提出的光流辨率图像的生成过程中C和D是不变的，低分辨率图HornSchunckkk法的基础上改进而来的。光流法相当于计算图像亮度像的生成模型可以表示为:变化在特定方向上的梯度g=DCEf+n（3）。kkk本文所引用的基于光流法的图像配准算法[7]利用图像超分辨率重构的目标就是从一系列输入的低最大后验概率估计准则进行图像配准。基于光流法的分辨率图像g中得到高分辨率图像f的最优解，相当k图像配准算法的关键函数可以表示为：于式（3）所示图像生成过程的逆过程。2.2迭代反投影超分辨率重构算法E（u，v）=Σ｛ρI（i，j）-I（i+u，j+v））＋λρ（Δ（i，D12i，ji，jsi，j在迭代反投影超分辨率重构算法[1，3]中，首先在输j））｝（1）入的初始低分辨率图像中选择一幅图像作为参考帧，其中ρ（·）是一个惩罚函数，用来保