本發(fā)明涉及模糊進(jìn)行圖像復(fù)原的
技術(shù)領(lǐng)域：
，尤其是利用多幅原離焦圖像對(duì)原圖像進(jìn)行圖像重構(gòu)以獲取超分辨率圖像的重構(gòu)方法。
背景技術(shù)：
：在實(shí)際生活中，由于種種原因，圖像會(huì)產(chǎn)生不同程度的退化，圖像退化的因素很多，比如光學(xué)系統(tǒng)的衍射、傳感器的非線性畸變、光學(xué)系統(tǒng)的像差、離焦造成的模糊、大氣湍流的擾動(dòng)效應(yīng)和運(yùn)動(dòng)造成的圖像模糊等。其中，離焦模糊普遍存在于衛(wèi)星遙感圖像、宇宙探測(cè)成像、公安破案、微觀物質(zhì)的分析研究、醫(yī)療診斷等重大科研和研究領(lǐng)域中。日常生活中會(huì)由于調(diào)焦不準(zhǔn)、手的抖動(dòng)或成像系統(tǒng)的質(zhì)量問(wèn)題等造成離焦，事實(shí)上大多數(shù)成像過(guò)程中都存在或輕或重的離焦情況。雖然隨著光學(xué)技術(shù)的發(fā)展，很多成像系統(tǒng)都有自動(dòng)調(diào)焦功能，但是自動(dòng)調(diào)焦系統(tǒng)通常精度不夠，要提高精度就要加大成本。圖像超分辨率重構(gòu)技術(shù)可以在現(xiàn)有硬件基礎(chǔ)上提高圖像的分辨率，圖像超分辨率重構(gòu)是指利用單幅或多幅圖像之間的互補(bǔ)信息以獲得質(zhì)量更佳的圖像或圖像序列的過(guò)程。由于多幅圖像包含更多的圖像信息，與單幅圖像相比可獲得更好的重構(gòu)效果，多幅圖像的超分辨率重構(gòu)是目前研究的熱點(diǎn)。目前，圖像的超分辨率重構(gòu)主要可以分為頻域重構(gòu)和空域重構(gòu)兩大類(lèi)。不論是頻域重構(gòu)還是空域重構(gòu)均存在算法復(fù)雜度高、計(jì)算量大、計(jì)算速度慢的缺點(diǎn)，并且必需要求點(diǎn)擴(kuò)散函數(shù)已知。但是，實(shí)際應(yīng)用中，點(diǎn)擴(kuò)散函數(shù)往往是未知的，而且要求具有較快的運(yùn)算速度。技術(shù)實(shí)現(xiàn)要素：針對(duì)現(xiàn)有技術(shù)中存在的上述不足，本發(fā)明提供一種基于多幅離焦圖像的超分辨率圖像重構(gòu)方法，以解決現(xiàn)有技術(shù)中依賴點(diǎn)擴(kuò)散函數(shù)已知、計(jì)算量大、計(jì)算速度慢的技術(shù)問(wèn)題，從而實(shí)現(xiàn)未知點(diǎn)擴(kuò)散函數(shù)進(jìn)行盲重構(gòu)，簡(jiǎn)化算法，提高運(yùn)算速度。為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)手段：一種基于多幅離焦圖像的超分辨率圖像重構(gòu)方法，包括以下步驟：步驟1：采集同一場(chǎng)景的多幅原始分辨率圖像，從中選出一幅原始分辨率清晰圖像i和n幅原始分辨率離焦圖像gj，j∈{1,..,n}；對(duì)原始分辨率清晰圖像i采用雙立方插值法進(jìn)行處理構(gòu)造出插值圖像io，選取插值圖像io中的平滑區(qū)域，從平滑區(qū)域中選取大小為a×b的圖像塊作為預(yù)估高分辨率圖像xo；計(jì)算預(yù)估高分辨率圖像xo的下采樣矩陣d；步驟2：采用粒子群迭代算法估算出每幅原始分辨率離焦圖像gj的預(yù)估模糊半徑預(yù)估點(diǎn)擴(kuò)散函數(shù)設(shè)本次粒子群迭代算法的總迭代次數(shù)為t，當(dāng)前迭代次數(shù)為k，為每幅原始分辨率離焦圖像gj均選取m個(gè)粒子，本次粒子群迭代算法通過(guò)比較粒子的當(dāng)前適應(yīng)值與歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，選取較小者所對(duì)應(yīng)的粒子位置來(lái)更新粒子的當(dāng)前最優(yōu)位置其中，第j幅圖像的第i個(gè)粒子的當(dāng)前適應(yīng)值i∈{1,...,m}，j∈{1,..,n}，按照如下公式計(jì)算：其中，為預(yù)估高分辨率圖像xo的當(dāng)前降質(zhì)圖像；通過(guò)采用當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)對(duì)預(yù)估高分辨率圖像xo進(jìn)行降質(zhì)處理獲得，按如下公式計(jì)算：其中，為當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟3：設(shè)置總循環(huán)次數(shù)為z,當(dāng)前循環(huán)次數(shù)為t，t∈{1,2,...,z},采用壓縮感知技術(shù)并根據(jù)n幅原始分辨率離焦圖像gj聯(lián)合重構(gòu)以獲得當(dāng)前高分辨率圖像xt，按照如下公式：xt＝ψ*β，其中，ψ是當(dāng)前高分辨率圖像xt的稀疏基矩陣，β為稀疏系數(shù)；β是采用基追蹤算法求解降質(zhì)模型得到：對(duì)上述公式進(jìn)行稀疏變換得到：其中，hjt-1為點(diǎn)擴(kuò)散函數(shù)hjt-1按照卷積過(guò)程生成的模糊矩陣；當(dāng)循環(huán)開(kāi)始即t＝1時(shí)，hjt-1即hj0為步驟2中預(yù)估點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟4：采用粒子群迭代算法求解暫態(tài)模糊半徑rjt和暫態(tài)點(diǎn)擴(kuò)散函數(shù)hjt，采用步驟3所獲得的當(dāng)前高分辨率圖像xt求解粒子群迭代算法中的當(dāng)前適應(yīng)值設(shè)粒子群迭代算法的總迭代次數(shù)為l，當(dāng)前迭代次數(shù)為k，本次粒子群迭代算法采用比較粒子的當(dāng)前適應(yīng)值與歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，選取較小者所對(duì)應(yīng)的粒子位置來(lái)更新粒子的當(dāng)前最優(yōu)位置其中，粒子的當(dāng)前適應(yīng)值按照如下公式計(jì)算：其中，為當(dāng)前高分辨率圖像xt的當(dāng)前降質(zhì)圖像；通過(guò)采用當(dāng)前點(diǎn)擴(kuò)散函數(shù)對(duì)當(dāng)前高分辨率圖像xt進(jìn)行降質(zhì)處理獲得，按如下公式計(jì)算：其中，為當(dāng)前點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；令暫態(tài)模糊半徑rjt所對(duì)應(yīng)的適應(yīng)值為fjl,t，其中l(wèi)是指粒子群迭代算法滿足終止條件時(shí)的當(dāng)前迭代次數(shù)；步驟5：令暫態(tài)適應(yīng)值為fjt，fjt＝fjl，t，判斷以下循環(huán)終止條件之一是否成立：循環(huán)終止條件1：其中，e為閾值；循環(huán)終止條件2：t＝z是否成立；若上述循環(huán)終止條件均不成立，令t＝t+1,回到步驟3；若上述循環(huán)終止條件之一成立，則以fjt所對(duì)應(yīng)的暫態(tài)模糊半徑rjt作為模糊半徑rj并根據(jù)模糊半徑rj計(jì)算點(diǎn)擴(kuò)散函數(shù)hj，輸出點(diǎn)擴(kuò)散函數(shù)hj，并以當(dāng)前高分辨率圖像xt作為高分辨率圖像x，進(jìn)入步驟6；步驟6：采用壓縮感知技術(shù)并根據(jù)n幅原始分辨率離焦圖像gj對(duì)高分辨率圖像x進(jìn)行聯(lián)合重構(gòu)以獲得超分辨率圖像m，按照如下公式：m＝ψ*β，其中，ψ是超分辨率圖像m的稀疏基矩陣，β為稀疏系數(shù)；β是采用基追蹤算法求解降質(zhì)模型得到：對(duì)上述公式進(jìn)行稀疏變換得到：其中，hj是根據(jù)步驟5中點(diǎn)擴(kuò)散函數(shù)hj按照卷積過(guò)程生成的模糊矩陣；將β帶入公式m＝ψ*β中，最終得到超分辨率圖像m。優(yōu)選的，所述步驟2中粒子群迭代算法按照如下步驟進(jìn)行：步驟201：設(shè)置粒子群算法的迭代總次數(shù)為t，當(dāng)前迭代次數(shù)為k；步驟202：令k＝0，進(jìn)行初始化：初始化粒子當(dāng)前慣性權(quán)重其中其中，為預(yù)估最大慣性權(quán)重；初始化粒子當(dāng)前預(yù)估位置其中，為從中隨機(jī)選取的任意值；其中，為預(yù)估最大模糊半徑；初始化粒子當(dāng)前預(yù)估速度其中，為從中隨機(jī)選取的任意值；初始化當(dāng)前點(diǎn)預(yù)估擴(kuò)散函數(shù)其中，其中，當(dāng)前點(diǎn)預(yù)估擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指矩陣中各數(shù)的列位置；初始化各粒子的當(dāng)前適應(yīng)值其中，通過(guò)采用初始化預(yù)估點(diǎn)擴(kuò)散函數(shù)對(duì)預(yù)估高分辨率圖像xo進(jìn)行降質(zhì)處理獲得：初始化粒子的當(dāng)前最優(yōu)位置和當(dāng)前全局最優(yōu)位置為中最小值所對(duì)應(yīng)的粒子位置；步驟203：令k＝k+1，進(jìn)入步驟204；步驟204：更新粒子當(dāng)前慣性權(quán)重，按如下公式：其中，為預(yù)估最小慣性權(quán)重；步驟205：更新粒子當(dāng)前預(yù)估速度，按如下公式：其中，c1、c2為學(xué)習(xí)因子，c1＝c2＝2；λ＝1；r1、r2為[0,1]內(nèi)的隨機(jī)數(shù)；步驟206：更新粒子當(dāng)前預(yù)估位置，按如下公式：其中，λ為系數(shù)，λ＝1；步驟207：更新當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)按如下公式：其中，當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指當(dāng)矩陣中各數(shù)的列位置；步驟208：計(jì)算粒子的當(dāng)前適應(yīng)值其中，為預(yù)估高分辨率圖像xo的當(dāng)前降質(zhì)圖像：其中，為當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟209：將該粒子當(dāng)前適應(yīng)值與其歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值相比較，其中，i∈{1,..,m}，j∈{1,..,n}；以較小者對(duì)應(yīng)的粒子位置作為當(dāng)前最優(yōu)位置步驟2010：比較各粒子當(dāng)前最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，以最小者所對(duì)應(yīng)的當(dāng)前最優(yōu)位置作為當(dāng)前全局最優(yōu)位置其中，j＝{1,2,...,n}；步驟2011：判斷是否滿足終止條件；若否，則回到步驟203；若是，則以粒子當(dāng)前全局最優(yōu)位置作為預(yù)估點(diǎn)擴(kuò)散函數(shù)的預(yù)估模糊半徑根據(jù)預(yù)估模糊半徑計(jì)算預(yù)估點(diǎn)擴(kuò)散函數(shù)按如下公式：優(yōu)選的，所述步驟4中t＝1時(shí)的粒子群迭代算法的步驟如下：步驟301：設(shè)置粒子群算法的迭代總次數(shù)為l，當(dāng)前迭代次數(shù)為k；步驟302：令k＝0，進(jìn)行初始化：初始化粒子當(dāng)前慣性權(quán)重其中其中，wmax為最大慣性權(quán)重；初始化粒子當(dāng)前位置其中，初始化粒子當(dāng)前速度其中，為從[-0.05rmax,0.05rmax]內(nèi)隨機(jī)選取的任意值；其中，rmax為最大模糊半徑；初始化當(dāng)前點(diǎn)擴(kuò)散函數(shù)其中，初始化各粒子的當(dāng)前適應(yīng)值其中，其中，通過(guò)采用初始化點(diǎn)擴(kuò)散函數(shù)對(duì)高分辨率圖像x1進(jìn)行降質(zhì)處理獲得：初始化粒子的當(dāng)前最優(yōu)位置和當(dāng)前全局最優(yōu)位置為中最小值所對(duì)應(yīng)的粒子位置；步驟303：令k＝k+1，進(jìn)入步驟304；步驟304：更新粒子當(dāng)前慣性權(quán)重，按如下公式：其中，wmin為最小慣性權(quán)重；步驟305：更新粒子當(dāng)前速度，按如下公式：其中，c1、c2為學(xué)習(xí)因子，c1＝c2＝2；r1、r2為[0,1]內(nèi)的隨機(jī)數(shù)；步驟306：更新粒子當(dāng)前位置，按如下公式：其中，λ為系數(shù)，λ＝0.3～0.5；步驟307：更新當(dāng)前點(diǎn)擴(kuò)散函數(shù)hik，1，按如下公式：其中，點(diǎn)擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指當(dāng)矩陣中各數(shù)的列位置；步驟308：計(jì)算粒子的當(dāng)前適應(yīng)值其中，為當(dāng)前高分辨率圖像x1的當(dāng)前降質(zhì)圖像：其中，為當(dāng)前點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟309：將該粒子當(dāng)前適應(yīng)值與其歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值相比較，其中，i∈{1,..,m}，j∈{1,..,n}；以較小者對(duì)應(yīng)的粒子位置作為當(dāng)前最優(yōu)位置步驟3010：比較各粒子當(dāng)前最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，以最小者所對(duì)應(yīng)的當(dāng)前最優(yōu)位置作為當(dāng)前全局最優(yōu)位置其中，j＝{1,2,...,n}；步驟3011：判斷是否滿足終止條件；若否，則回到步驟303；若是，則以粒子全局最優(yōu)位置作為暫態(tài)模糊半徑rj1；根據(jù)暫態(tài)模糊半徑rj1計(jì)算暫態(tài)點(diǎn)擴(kuò)散函數(shù)hj1，按如下公式：優(yōu)選的，步驟4中當(dāng)前循環(huán)次數(shù)為t，t>1,時(shí)的粒子群迭代算法按照如下步驟進(jìn)行：步驟401：設(shè)置粒子群算法的迭代總次數(shù)為l，當(dāng)前迭代次數(shù)為k；步驟402：令k＝0，進(jìn)行初始化：初始化粒子當(dāng)前慣性權(quán)重其中，wmax為最大慣性權(quán)重；初始化粒子當(dāng)前位置其中，初始化粒子當(dāng)前速度其中，為從[-0.05rmax,0.05rmax]內(nèi)隨機(jī)選取的任意值；其中，rmax為最大模糊半徑；初始化當(dāng)前點(diǎn)擴(kuò)散函數(shù)其中，初始化各粒子的當(dāng)前適應(yīng)值其中，其中，通過(guò)采用初始化點(diǎn)擴(kuò)散函數(shù)對(duì)當(dāng)前高分辨率圖像xt進(jìn)行降質(zhì)處理獲得：初始化粒子的當(dāng)前最優(yōu)位置和當(dāng)前全局最優(yōu)位置為中最小值所對(duì)應(yīng)的粒子位置；步驟403：令k＝k+1，進(jìn)入步驟404；步驟404：更新粒子當(dāng)前慣性權(quán)重，按如下公式：其中，wmin為最小慣性權(quán)重；步驟405：更新粒子當(dāng)前速度，按如下公式：其中，c1、c2為學(xué)習(xí)因子，c1＝c2＝2；r1、r2為[0,1]內(nèi)的隨機(jī)數(shù)；步驟406：更新粒子當(dāng)前位置，按如下公式：其中，λ為系數(shù)，λ＝0.3～0.5；步驟407：更新當(dāng)前點(diǎn)擴(kuò)散函數(shù)按如下公式：其中，點(diǎn)擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指當(dāng)矩陣中各數(shù)的列位置；步驟408：計(jì)算粒子的當(dāng)前適應(yīng)值其中，為當(dāng)前高分辨率圖像xt的當(dāng)前降質(zhì)圖像：其中，hik，t為當(dāng)前點(diǎn)擴(kuò)散函數(shù)hik，t按照卷積過(guò)程生成的模糊矩陣；步驟409：將該粒子當(dāng)前適應(yīng)值與其歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值相比較，其中，i∈{1,..,m}，j∈{1,..,n}；以較小者對(duì)應(yīng)的粒子位置作為當(dāng)前最優(yōu)位置步驟4010：比較各粒子當(dāng)前最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，以最小者所對(duì)應(yīng)的當(dāng)前最優(yōu)位置作為當(dāng)前全局最優(yōu)位置其中，j＝{1,2,...,n}；步驟4011：判斷是否滿足終止條件；若否，則回到步驟403；若是，則以粒子當(dāng)前全局最優(yōu)位置作為暫態(tài)模糊半徑rjt；根據(jù)暫態(tài)模糊半徑rjt計(jì)算暫態(tài)點(diǎn)擴(kuò)散函數(shù)hjt，按如下公式：優(yōu)選的，所述步驟6中首先對(duì)各幅原始分辨率離焦圖像gj進(jìn)行圖像分塊，得到n個(gè)分塊圖像gj,s，其中，s∈{1,...,n}；然后，采樣壓縮感知技術(shù)并根據(jù)n幅原始分辨率離焦圖像gj的分塊圖像gj,s，重構(gòu)出對(duì)應(yīng)的超分辨率分塊圖像ms，按照如下公式：ms＝ψ*β，其中，ψ是超分辨率分塊圖像ms的稀疏基矩陣，β為稀疏系數(shù)；β是采用基追蹤算法求解降質(zhì)模型得到：經(jīng)上述公式稀疏變換得的：其中，hj是根據(jù)步驟5中的點(diǎn)擴(kuò)散函數(shù)hj按照卷積過(guò)程生成的模糊矩陣。最后將n個(gè)超分辨率分塊圖像ms拼接合成超分辨率圖像m。優(yōu)選的，所述步驟2中迭代總次數(shù)t＝100；步驟3中總循環(huán)次數(shù)z＝100；步驟4中迭代總次數(shù)l＝100。優(yōu)選的，所述步驟2011終止條件為k＝t，或者當(dāng)前全局最優(yōu)位置對(duì)應(yīng)的適應(yīng)值其中，t1為第一誤差閾值。優(yōu)選的，所述步驟4011終止條件為k＝l，或者當(dāng)前全局最優(yōu)位置對(duì)應(yīng)的適應(yīng)值其中，t2為第二誤差閾值。優(yōu)選的，所述預(yù)估最大慣性權(quán)重預(yù)估最小慣性權(quán)重預(yù)估最大模糊半徑為4.5。優(yōu)選的，所述最大慣性權(quán)重wmax＝0.9，最小慣性權(quán)重wmin＝0.2，最大模糊半徑與現(xiàn)有技術(shù)中的圖像重構(gòu)方法相比，本發(fā)明具有以下有益效果：1、本發(fā)明首先利用雙立方插值算法提高初始分辨率清晰圖像i的分辨率，從而獲取插值圖像io，并根據(jù)插值圖像獲取預(yù)估高分辨率圖像xo，以預(yù)估高分辨率圖像xo作為迭代計(jì)算高分辨率圖像x的基礎(chǔ)，最后采用高分辨率圖像x作為采用壓感知技術(shù)求解超分辨率圖像m的基礎(chǔ)。2、本發(fā)明依次采用兩次粒子群迭代算法，將第一次粒子群迭代算法估計(jì)出的預(yù)估點(diǎn)擴(kuò)散函數(shù)和預(yù)估模糊半徑作為第二次粒子群迭代算法的初始值，這樣能夠逐漸提高粒子群迭代算法的精度，以精確估計(jì)原始分辨率離焦圖像的點(diǎn)擴(kuò)散函數(shù)，并且能加快第二次粒子群迭代算法收斂，避免陷入局部最優(yōu)解。3、本發(fā)明是采用雙立方插值算法和兩次粒子群迭代算法來(lái)求解未知的點(diǎn)擴(kuò)散函數(shù)，從而實(shí)現(xiàn)對(duì)圖像的盲重構(gòu)，徹底突破了需要已知點(diǎn)擴(kuò)散函數(shù)進(jìn)行圖像重構(gòu)的限制，具有極高的實(shí)用價(jià)值。4、本發(fā)明算法理論清晰，與現(xiàn)有技術(shù)中的圖像重構(gòu)算法相比，降低了運(yùn)算復(fù)雜度，提高了運(yùn)算速度。附圖說(shuō)明圖1為本具體實(shí)施方式的總流程框圖；圖2為求采用粒子群迭代算法求解暫態(tài)模糊半徑和暫態(tài)點(diǎn)擴(kuò)散函數(shù)算法的流程框圖；圖3為進(jìn)行仿真驗(yàn)證的圖像序列；圖4采用本具體實(shí)施方式的圖像重構(gòu)方法求解點(diǎn)擴(kuò)散函數(shù)hi的優(yōu)化過(guò)程圖；圖5采用本具體實(shí)施方式的圖像重構(gòu)方法求適應(yīng)值fi的變化過(guò)程圖；圖6為超分辨率圖像m與原圖q的對(duì)比圖。具體實(shí)施方式下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的說(shuō)明。本發(fā)明的原始分辨率圖像是指比重構(gòu)出的超分辨率圖像的分辨率低的圖像，本發(fā)明通過(guò)逐步提高原始分辨清晰圖像的分辨率得到分辨率高于原始分辨率清晰圖像的超分辨率圖像。如圖1所示，一種基于多幅離焦圖像的超分辨率圖像重構(gòu)方法，包括以下步驟：步驟1：采集同一場(chǎng)景的多幅原始分辨率圖像，從中選出一幅原始分辨率清晰圖像i和n幅原始分辨率離焦圖像gj，j∈{1,..,n}；對(duì)原始分辨率清晰圖像i采用雙立方插值法進(jìn)行處理構(gòu)造出插值圖像io，選取插值圖像io中的平滑區(qū)域，從平滑區(qū)域中選取大小為a×b的圖像塊作為預(yù)估高分辨率圖像xo；計(jì)算預(yù)估高分辨率圖像xo的下采樣矩陣d；步驟2：采用粒子群迭代算法估算出每幅原始分辨率離焦圖像gj的預(yù)估模糊半徑預(yù)估點(diǎn)擴(kuò)散函數(shù)設(shè)本次粒子群迭代算法的總迭代次數(shù)為t＝100，當(dāng)前迭代次數(shù)為k，為每幅原始分辨率離焦圖像gj均選取m個(gè)粒子，本次粒子群迭代算法通過(guò)比較粒子的當(dāng)前適應(yīng)值與歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，選取較小者所對(duì)應(yīng)的粒子位置來(lái)更新粒子的當(dāng)前最優(yōu)位置其中，第j幅圖像的第i個(gè)粒子的當(dāng)前適應(yīng)值i∈{1,...,m}，j∈{1,..,n}，按照如下公式計(jì)算：其中，為預(yù)估高分辨率圖像xo的當(dāng)前降質(zhì)圖像；通過(guò)采用當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)對(duì)預(yù)估高分辨率圖像xo進(jìn)行降質(zhì)處理獲得，按如下公式計(jì)算：其中，為當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟3：設(shè)置總循環(huán)次數(shù)為z＝100,當(dāng)前循環(huán)次數(shù)為t，t∈{1,2,...,z},采用壓縮感知技術(shù)并根據(jù)n幅原始分辨率離焦圖像gj聯(lián)合重構(gòu)以獲得當(dāng)前高分辨率圖像xt，按照如下公式：xt＝ψ*β，其中，ψ是當(dāng)前高分辨率圖像xt的稀疏基矩陣，β為稀疏系數(shù)；β是采用基追蹤算法求解降質(zhì)模型得到：對(duì)上述公式進(jìn)行稀疏變換得到：其中，hjt-1為點(diǎn)擴(kuò)散函數(shù)hjt-1按照卷積過(guò)程生成的模糊矩陣；當(dāng)循環(huán)開(kāi)始即t＝1時(shí)，hjt-1即hj0為步驟2中預(yù)估點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟4：采用粒子群迭代算法求解暫態(tài)模糊半徑rjt和暫態(tài)點(diǎn)擴(kuò)散函數(shù)hjt，采用步驟3所獲得的當(dāng)前高分辨率圖像xt求解粒子群迭代算法中的當(dāng)前適應(yīng)值設(shè)粒子群迭代算法的總迭代次數(shù)為l＝100，當(dāng)前迭代次數(shù)為k，本次粒子群迭代算法采用比較粒子的當(dāng)前適應(yīng)值與歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，選取較小者所對(duì)應(yīng)的粒子位置來(lái)更新粒子的當(dāng)前最優(yōu)位置其中，粒子的當(dāng)前適應(yīng)值按照如下公式計(jì)算：其中，為當(dāng)前高分辨率圖像xt的當(dāng)前降質(zhì)圖像；通過(guò)采用當(dāng)前點(diǎn)擴(kuò)散函數(shù)對(duì)當(dāng)前高分辨率圖像xt進(jìn)行降質(zhì)處理獲得，按如下公式計(jì)算：其中，為當(dāng)前點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；令暫態(tài)模糊半徑rjt所對(duì)應(yīng)的適應(yīng)值為fjl,t，其中l(wèi)是指粒子群迭代算法滿足終止條件時(shí)的當(dāng)前迭代次數(shù)；步驟5：令暫態(tài)適應(yīng)值為fjt，fjt＝fjl,t，判斷以下循環(huán)終止條件之一是否成立：循環(huán)終止條件1：其中，e為閾值；循環(huán)終止條件2：t＝z是否成立；若上述循環(huán)終止條件均不成立，令t＝t+1,回到步驟3；若上述循環(huán)終止條件之一成立，則以fjt所對(duì)應(yīng)的暫態(tài)模糊半徑rjt作為模糊半徑rj并根據(jù)模糊半徑rj計(jì)算點(diǎn)擴(kuò)散函數(shù)hj，輸出點(diǎn)擴(kuò)散函數(shù)hj，并以當(dāng)前高分辨率圖像xt作為高分辨率圖像x，進(jìn)入步驟6；步驟6：采用壓縮感知技術(shù)并根據(jù)n幅原始分辨率離焦圖像gj對(duì)高分辨率圖像x進(jìn)行聯(lián)合重構(gòu)以獲得超分辨率圖像m，按照如下公式：m＝ψ*β，其中，ψ是超分辨率圖像m的稀疏基矩陣，β為稀疏系數(shù)；β是采用基追蹤算法求解降質(zhì)模型得到：對(duì)上述公式進(jìn)行稀疏變換得到：其中，hj是根據(jù)步驟5中點(diǎn)擴(kuò)散函數(shù)hj按照卷積過(guò)程生成的模糊矩陣；將β帶入公式m＝ψ*β中，最終得到超分辨率圖像m。本具體實(shí)施方式中，所述步驟2中粒子群迭代算法按照如下步驟進(jìn)行：步驟201：設(shè)置粒子群算法的迭代總次數(shù)為t，當(dāng)前迭代次數(shù)為k；步驟202：令k＝0，進(jìn)行初始化：初始化粒子當(dāng)前慣性權(quán)重其中其中，為預(yù)估最大慣性權(quán)重，初始化粒子當(dāng)前預(yù)估位置其中，為從中隨機(jī)選取的任意值；其中，為預(yù)估最大模糊半徑，為4.5；初始化粒子當(dāng)前預(yù)估速度其中，為從中隨機(jī)選取的任意值；初始化當(dāng)前點(diǎn)預(yù)估擴(kuò)散函數(shù)其中，其中，當(dāng)前點(diǎn)預(yù)估擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指矩陣中各數(shù)的列位置；初始化各粒子的當(dāng)前適應(yīng)值其中，通過(guò)采用初始化預(yù)估點(diǎn)擴(kuò)散函數(shù)對(duì)預(yù)估高分辨率圖像xo進(jìn)行降質(zhì)處理獲得：初始化粒子的當(dāng)前最優(yōu)位置)和當(dāng)前全局最優(yōu)位置為中最小值所對(duì)應(yīng)的粒子位置；步驟203：令k＝k+1，進(jìn)入步驟204；步驟204：更新粒子當(dāng)前慣性權(quán)重，按如下公式：其中，為預(yù)估最小慣性權(quán)重，步驟205：更新粒子當(dāng)前預(yù)估速度，按如下公式：其中，c1、c2為學(xué)習(xí)因子，c1＝c2＝2；λ＝1；r1、r2為[0,1]內(nèi)的隨機(jī)數(shù)；步驟206：更新粒子當(dāng)前預(yù)估位置，按如下公式：其中，λ為系數(shù)，λ＝1；步驟207：更新當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)按如下公式：其中，當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指當(dāng)矩陣中各數(shù)的列位置；步驟208：計(jì)算粒子的當(dāng)前適應(yīng)值其中，為預(yù)估高分辨率圖像xo的當(dāng)前降質(zhì)圖像：其中，為當(dāng)前預(yù)估點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟209：將該粒子當(dāng)前適應(yīng)值與其歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值相比較，其中，i∈{1,..,m}，j∈{1,..,n}；以較小者對(duì)應(yīng)的粒子位置作為當(dāng)前最優(yōu)位置步驟2010：比較各粒子當(dāng)前最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，以最小者所對(duì)應(yīng)的當(dāng)前最優(yōu)位置作為當(dāng)前全局最優(yōu)位置其中，j＝{1，2,...,n}；步驟2011：判斷是否滿足終止條件：k＝t，或者當(dāng)前全局最優(yōu)位置對(duì)應(yīng)的適應(yīng)值其中，t1為第一誤差閾值。；若否，則回到步驟203；若是，則以粒子當(dāng)前全局最優(yōu)位置作為預(yù)估點(diǎn)擴(kuò)散函數(shù)的預(yù)估模糊半徑根據(jù)預(yù)估模糊半徑計(jì)算預(yù)估點(diǎn)擴(kuò)散函數(shù)按如下公式：本具體實(shí)施方式中，所述步驟4中t＝1時(shí)的粒子群迭代算法的步驟如下：步驟301：設(shè)置粒子群算法的迭代總次數(shù)為l，當(dāng)前迭代次數(shù)為k；步驟302：令k＝0，進(jìn)行初始化：初始化粒子當(dāng)前慣性權(quán)重其中其中，wmax為最大慣性權(quán)重，wmax＝0.9；初始化粒子當(dāng)前位置其中，初始化粒子當(dāng)前速度其中，為從[-0.05rmax,0.05rmax]內(nèi)隨機(jī)選取的任意值；其中，rmax為最大模糊半徑，初始化當(dāng)前點(diǎn)擴(kuò)散函數(shù)其中，初始化各粒子的當(dāng)前適應(yīng)值其中，其中，通過(guò)采用初始化點(diǎn)擴(kuò)散函數(shù)對(duì)高分辨率圖像x1進(jìn)行降質(zhì)處理獲得：初始化粒子的當(dāng)前最優(yōu)位置和當(dāng)前全局最優(yōu)位置為中最小值所對(duì)應(yīng)的粒子位置；步驟303：令k＝k+1，進(jìn)入步驟304；步驟304：更新粒子當(dāng)前慣性權(quán)重，按如下公式：其中，wmin為最小慣性權(quán)重，wmin＝0.2；步驟305：更新粒子當(dāng)前速度，按如下公式：其中，c1、c2為學(xué)習(xí)因子，c1＝c2＝2；r1、r2為[0,1]內(nèi)的隨機(jī)數(shù)；步驟306：更新粒子當(dāng)前位置，按如下公式：其中，λ為系數(shù)，λ＝0.3～0.5；步驟307：更新當(dāng)前點(diǎn)擴(kuò)散函數(shù)hik，1，按如下公式：其中，點(diǎn)擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指當(dāng)矩陣中各數(shù)的列位置；步驟308：計(jì)算粒子的當(dāng)前適應(yīng)值其中，為當(dāng)前高分辨率圖像x1的當(dāng)前降質(zhì)圖像：其中，為當(dāng)前點(diǎn)擴(kuò)散函數(shù)按照卷積過(guò)程生成的模糊矩陣；步驟309：將該粒子當(dāng)前適應(yīng)值與其歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值相比較，其中，i∈{1,..,m}，j∈{1,..,n}；以較小者對(duì)應(yīng)的粒子位置作為當(dāng)前最優(yōu)位置步驟3010：比較各粒子當(dāng)前最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，以最小者所對(duì)應(yīng)的當(dāng)前最優(yōu)位置作為當(dāng)前全局最優(yōu)位置其中，j＝{1,2,...,n}；步驟3011：判斷是否滿足終止條件：k＝l，或者當(dāng)前全局最優(yōu)位置對(duì)應(yīng)的適應(yīng)值其中，t2為第二誤差閾值；若否，則回到步驟303；若是，則以粒子全局最優(yōu)位置作為暫態(tài)模糊半徑rj1；根據(jù)暫態(tài)模糊半徑rj1計(jì)算暫態(tài)點(diǎn)擴(kuò)散函數(shù)hj1，按如下公式：本具體實(shí)施方式中，如圖2所示，步驟4中當(dāng)前循環(huán)次數(shù)為t，t>1,時(shí)的粒子群迭代算法按照如下步驟進(jìn)行：步驟401：設(shè)置粒子群算法的迭代總次數(shù)為l，當(dāng)前迭代次數(shù)為k；步驟402：令k＝0，進(jìn)行初始化：初始化粒子當(dāng)前慣性權(quán)重其中其中，wmax為最大慣性權(quán)重，wmax＝0.9；初始化粒子當(dāng)前位置其中，初始化粒子當(dāng)前速度其中，為從[-0.05rmax,0.05rmax]內(nèi)隨機(jī)選取的任意值；其中，rmax為最大模糊半徑，初始化當(dāng)前點(diǎn)擴(kuò)散函數(shù)其中，初始化各粒子的當(dāng)前適應(yīng)值其中，其中，通過(guò)采用初始化點(diǎn)擴(kuò)散函數(shù)對(duì)當(dāng)前高分辨率圖像xt進(jìn)行降質(zhì)處理獲得：初始化粒子的當(dāng)前最優(yōu)位置)和當(dāng)前全局最優(yōu)位置)：為中最小值所對(duì)應(yīng)的粒子位置；步驟403：令k＝k+1，進(jìn)入步驟404；步驟404：更新粒子當(dāng)前慣性權(quán)重，按如下公式：其中，wmin為最小慣性權(quán)重，wmin＝0.2；步驟405：更新粒子當(dāng)前速度，按如下公式：其中，c1、c2為學(xué)習(xí)因子，c1＝c2＝2；r1、r2為[0,1]內(nèi)的隨機(jī)數(shù)；步驟406：更新粒子當(dāng)前位置，按如下公式：其中，λ為系數(shù)，λ＝0.3～0.5；步驟407：更新當(dāng)前點(diǎn)擴(kuò)散函數(shù)按如下公式：其中，點(diǎn)擴(kuò)散函數(shù)為矩陣，x指矩陣中各數(shù)的行位置，y指當(dāng)矩陣中各數(shù)的列位置；步驟408：計(jì)算粒子的當(dāng)前適應(yīng)值其中，為當(dāng)前高分辨率圖像xt的當(dāng)前降質(zhì)圖像：其中，hik,t為當(dāng)前點(diǎn)擴(kuò)散函數(shù)hik,t按照卷積過(guò)程生成的模糊矩陣；步驟409：將該粒子當(dāng)前適應(yīng)值與其歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值相比較，其中，i∈{1,..,m}，j∈{1,..,n}；以較小者對(duì)應(yīng)的粒子位置作為當(dāng)前最優(yōu)位置步驟4010：比較各粒子當(dāng)前最優(yōu)位置所對(duì)應(yīng)的適應(yīng)值，以最小者所對(duì)應(yīng)的當(dāng)前最優(yōu)位置作為當(dāng)前全局最優(yōu)位置其中，j＝{1,2,...,n}；步驟4011：判斷是否滿足終止條件：k＝l，或者當(dāng)前全局最優(yōu)位置對(duì)應(yīng)的適應(yīng)值其中，t2為第二誤差閾值；若否，則回到步驟403；若是，則以粒子當(dāng)前全局最優(yōu)位置作為暫態(tài)模糊半徑rjt；根據(jù)暫態(tài)模糊半徑rjt計(jì)算暫態(tài)點(diǎn)擴(kuò)散函數(shù)hjt，按如下公式：本具體實(shí)施方式中，所述步驟6中首先對(duì)各幅原始分辨率離焦圖像gj進(jìn)行圖像分塊，得到n個(gè)分塊圖像gj,s，其中，s∈{1,...,n}；然后，采樣壓縮感知技術(shù)并根據(jù)n幅原始分辨率離焦圖像gj的分塊圖像gj,s，重構(gòu)出對(duì)應(yīng)的超分辨率分塊圖像ms，按照如下公式：ms＝ψ*β，其中，ψ是超分辨率分塊圖像ms的稀疏基矩陣，β為稀疏系數(shù)；β是采用基追蹤算法求解降質(zhì)模型得到：經(jīng)上述公式稀疏變換得的：其中，hj是根據(jù)步驟5中的點(diǎn)擴(kuò)散函數(shù)hj按照卷積過(guò)程生成的模糊矩陣。最后將n個(gè)超分辨率分塊圖像ms拼接合成超分辨率圖像m。為了更好的說(shuō)明本具體實(shí)施方式的超分辨率圖像重構(gòu)方法能夠精確重構(gòu)出超分辨率圖像，進(jìn)行了以下仿真驗(yàn)證：如圖3所示，首先，采集一幅高分辨率清晰圖像作為原圖q(像素大小為256*256)，然后對(duì)該原圖q進(jìn)行4倍下采樣生成一幅低分辨率清晰圖像作為本具體實(shí)施方式中的原始分辨率清晰圖像i(像素大小為128*128)，然后采用4個(gè)不同的點(diǎn)擴(kuò)散函數(shù)模糊(作為真實(shí)模糊半徑)半徑對(duì)原圖進(jìn)行離焦處理并進(jìn)行4倍下采樣，從而得到4幅模糊圖像作為本具體實(shí)施方式中的原始分辨率離焦圖像gj(大小為128*128)，j∈{1,2,3,4}，(為每幅原始分辨率離焦圖像gj均選取m＝30個(gè)粒子進(jìn)行粒子群迭代運(yùn)算)，其中g(shù)1的真實(shí)模糊半徑為1.6，g2的真實(shí)模糊半徑為1.8，g3的真實(shí)模糊半徑為2.0，g4的真實(shí)模糊半徑為2.3。采用本具體實(shí)施方式的超分辨率圖像重構(gòu)方法對(duì)上述圖像進(jìn)行處理，其中，各點(diǎn)擴(kuò)散函數(shù)hj，j＝{1,2,3,4}的優(yōu)化過(guò)程如圖4所示，圖中橫坐標(biāo)表示當(dāng)前迭代次數(shù)，縱坐標(biāo)表示當(dāng)前點(diǎn)擴(kuò)散函數(shù)，從圖中可知，點(diǎn)擴(kuò)散函數(shù)的收斂速度快，當(dāng)?shù)螖?shù)達(dá)到50次時(shí)，點(diǎn)擴(kuò)散函數(shù)的值穩(wěn)定收斂。其中，適應(yīng)值的變化過(guò)程如圖5所示，從圖中可知，適應(yīng)值的收斂速度快，當(dāng)?shù)螖?shù)達(dá)到50次時(shí)，適應(yīng)值穩(wěn)定收斂并接近于零。采用本具體實(shí)施方式的超分辨率圖像重構(gòu)方法所計(jì)算出的模糊半徑的計(jì)算值與真實(shí)模糊半徑的真實(shí)值對(duì)比如下表：表1真實(shí)值1.61.82.02.3計(jì)算值1.60021.79971.99942.2989從表1中可看出，計(jì)算值極大程度逼近真實(shí)值，與真實(shí)值的誤差極小，說(shuō)明本發(fā)明的超分辨率圖像重方法能精確的計(jì)算出未知點(diǎn)擴(kuò)散函數(shù)，為精確重構(gòu)超分辨率圖像提供了前提條件。如圖6所示：將采用本具體實(shí)施方式的超分辨率圖像重構(gòu)方法得到超分辨率圖像m與原圖q進(jìn)行對(duì)比，超分辨率圖像m與原圖q十分接近，超分辨率圖像m精確還原了原圖q。其中，超分辨率圖像m的圖像重構(gòu)質(zhì)量評(píng)價(jià)指標(biāo)，如下表所示：表2msepsnrssimentropy6.3705e-0431.95820.99967.4684mse為均方差，反映了重建圖像與原圖像的偏離程度，其值越小說(shuō)明與原圖像越接近，重建效果就越好。psnr為峰值信噪比，一般取值范圍為20～40，峰值信噪比越高，重構(gòu)圖像與原圖像越接近，采用本具體實(shí)施的圖像重構(gòu)方法獲得的超分辨率圖像m的峰值信噪比psnr達(dá)到了31.9582。ssim為結(jié)構(gòu)相似性,一般取值范圍為0～1，值越大圖像質(zhì)量越好，采用本具體實(shí)施的圖像重構(gòu)方法獲得的超分辨率圖像m的峰值信噪比psnr達(dá)到了0.9996。entropy為信息熵，圖像的信息熵反映了圖像所包含的信息量的豐富程度，如果融合圖像的信息熵越大表明圖像所含的信息量就越多，細(xì)節(jié)越豐富。最后說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。當(dāng)前第1頁(yè)12