基于边缘增强的正则化超分辨率图像重建

刘 颖，权 婉，伍世虔

(1.西安邮电大学 通信与信息工程学院，陕西 西安 710121；2. 武汉科技大学 机械自动化学院，湖北 武汉 430081)



基于边缘增强的正则化超分辨率图像重建

刘 颖1，权 婉1，伍世虔2

(1.西安邮电大学 通信与信息工程学院，陕西 西安 710121；2. 武汉科技大学 机械自动化学院，湖北 武汉 430081)

针对双边全变差正则化算法边缘区域重建图像效果不理想问题，提出一种基于边缘增强的正则化超分辨率图像重建算法。该算法在构造初始图像时，对样条插值后的图像先进行非局部均值滤波预处理，然后进行拉普拉斯锐化处理；采用L1范数度量数据保真项和正则项，并从自适应的角度确定正则化参数，从而增强算法的稳健性。实验结果表明，与样条插值算法、双边全变差算法相比，该算法能更好地增强重建图像的边缘信息。

正则化；超分辨率；非局部均值滤波；拉普拉斯锐化；自适应

图像超分辨率(Super Resolution, SR)重建是利用同一场景的多幅低分辨率(Low Resolution, LR)图像重建一幅高分辨率(High Resolution, HR)图像的技术。高分辨率图像能够提供丰富的细节信息，便于图像进一步分析处理，因而广泛应用于遥感图像、视频监控、医学成像和公共安全等领域。超分辨率重建方法主要分为频域法、空域法和基于学习的方法[1-2]。最早的频域法只能局限于全局平移运动和线性空间移不变降质模型，不能考虑图像模糊的影响。相比于频域法，空域法能充分地利用图像的先验信息，更具有灵活性和适用性。常用的方法包括最大后验概率法[3]、凸集投影法[4]、正则化法[5-8]等。……