CN109934768B - 一种基于配准方式的亚像素位移图像获取方法 - Google Patents
一种基于配准方式的亚像素位移图像获取方法 Download PDFInfo
- Publication number
- CN109934768B CN109934768B CN201910217860.3A CN201910217860A CN109934768B CN 109934768 B CN109934768 B CN 109934768B CN 201910217860 A CN201910217860 A CN 201910217860A CN 109934768 B CN109934768 B CN 109934768B
- Authority
- CN
- China
- Prior art keywords
- sub
- displacement
- pixel displacement
- image
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000001444 catalytic combustion detection Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于配准方式的亚像素位移图像获取方法,包括:从源图像中选取一张基准图,利用配准算法对基准图和剩余源图像进行配准,得到每一张源图像相对基准图像的实际位移参数;输入一组理想亚像素位移参数,从实际位移参数中选择每一个理想亚像素位移参数的最优近似参数,分别对最优近似参数的水平和竖直参数进行约束,获取满足位移要求的亚像素位移图像。本发明方法基于配准方式的软件技术获取亚像素位移图像,与常规的利用硬件技术相比,不依赖硬件成像系统,具有实现简单、成本低、周期短的优点;同时不受硬件制作工艺的影响,根据需要可以获取任意亚像素位移的图像序列。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,尤其涉及一种基于配准方式的亚像素位移图像获取方法。
背景技术
近年来,图像超分辨率重建技术一直是学界的研究热点,其中多帧图像超分辨率重建技术是通过对多幅具有互补信息的低分辨图像进行处理,重建得到一幅高分辨率图像,在安全、监控、计算机视觉、军事侦查、医学成像等领域有重要的应用价值。获得关于同一场景、具有已知亚像素位移的图像序列的方法,大都是基于硬件技术进行处理如:1)利用CCD错位成像技术,将多个线阵或面阵CCD错位排列在同一焦平面上进行同时成像,获得亚像素位移图像;2)使用分光法,在高分辨率光学系统和接收器之间加分光棱镜,获得同一目标的多幅亚像素位移图像;3)利用高精度二维平移台对单个CCD相机整体二维移位,并对一定物距的目标成像得到多幅亚像素位移图像。上述基于“硬件”成像获取亚像素位移图像的方法,对硬件系统精度要求高且结构复杂、成本高,同时受硬件制作工艺限制,无法得到探测器位移量太小的硬件系统。因此,为了避免上述这种基于“硬件”成像方法获取亚像素位移图像带来的困难,使用“软件”技术方法获取亚像素位移图像不仅具有成本低、实现简单的优点,还有很好的实用意义。
发明内容
针对上述基于“硬件”技术获取亚像素位移图像的诸多不适用的技术问题,提出一种基于配准方式的亚像素位移图像获取方法。本发明主要内容包括:从源图像中选取一张基准图,利用配准算法对基准图和剩余源图像进行配准,得到每一张源图像相对基准图像的实际位移参数。输入一组理想亚像素位移参数,从实际位移参数中选择每一个理想亚像素位移参数的最优近似参数,分别对最优近似参数的水平和竖直参数进行约束,获取满足位移要求的亚像素位移图像。
本发明采用的技术手段如下:
一种基于配准方式的亚像素位移图像获取方法,其特征在于,包括以下步骤:
步骤S1:获取多张针对同一场景的源图像,并从多张源图像中随机选取一张图像作为基准图;
步骤S2:将剩余的多张源图像以所述基准图为参考进行配准处理,得到每一张源图像相对所述基准图的实际位移参数;
步骤S3:输入一组理想亚像素位移参数,将步骤S2配准处理得到的实际位移参数与理想亚像素位移参数进行比较,并从实际位移参数Wi中筛选出每一个理想亚像素位移参数的最优近似参数;
步骤S4:对上述步骤S3获取的最优近似参数进行误差判断,当最优近似参数参数水平和竖直两个方向位移参数都小于误差阈值H时,则该最优近似参数对应的图像作为最终的亚像素位移图像。
进一步地,所述步骤S2中配准处理,将配准方法应用于亚像素位移图像的筛选获取过程中。
进一步地,所述步骤S3中输入一组理想亚像素位移参数,将步骤S2配准处理得到的实际位移参数与理想亚像素位移参数进行比较,并从实际位移参数中筛选出每一个理想亚像素位移参数的最优近似参数,其公式如下:
其中,T表示一组理想亚像素位移参数,Tj表示T中的一个位移参数,Wi表示一个实际位移参数。
进一步地,所述步骤S4中对步骤S3获取的最优近似参数进行误差判断,其公式如下:
其中Tj(x)、Tj(y)分别表示理想亚像素位移参数Tj的水平、竖直方向位移参数,Tj′(x)、Tj′(y)分别表示实际位移参数Tj′的水平、竖直方向位移参数,H表示误差阈值,若Tj′(x)两个方向误差均小于阈值H,则该Tj′(x)参数对应的图像作为最终的亚像素位移图像。
进一步地,所述步骤S4中的误差阈值H根据理想亚像素位移参数的最小位移间隔Δ确定,其公式如下:
H=Δ/2。
进一步地,所述步骤S3中输入的一组理想亚像素位移参数是指,待获取的亚像素位移图像相对于基准图像的理想位移参数,根据实际需要进行确定。
较现有技术相比,本发明具有以下优点:
本发明提供的方法,基于配准方式的“软件”技术获取亚像素位移图像,与常规的利用“硬件”技术相比,不依赖硬件成像系统,具有实现简单、成本低、周期短的优点;同时不受硬件制作工艺的影响,根据需要可以获取任意亚像素位移的图像序列。
基于上述理由本发明可在图像处理等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程示意图。
图2为本发明中在实验室环境下拍摄的靶标图像。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例
如图1所示,本发明提供了一种基于配准方式的亚像素位移图像获取方法,包括以下步骤:
步骤S1:获取多张针对同一场景的源图像,并从多张源图像中随机选取一张图像作为基准图;
步骤S2:将剩余的多张源图像以所述基准图为参考进行配准处理,其处理方法为图像配准最大误差小于0.01像素的高精度图像配准算法,得到每一张源图像相对所述基准图的实际位移参数;
步骤S3:输入一组理想亚像素位移参数,假设4张图像相对基准图的理想亚像素位移参数是(0,0)、(0,0.5)、(0.5,0)、(0.5,0.5);将步骤S2配准处理得到的实际位移参数与理想亚像素位移参数进行比较,并从实际位移参数中筛选出每一个理想亚像素位移参数的最优近似参数;其公式如下:
其中,T表示一组理想亚像素位移参数,可根据实际需要确定;Tj表示T中的一个位移参数,Wi表示一个实际位移参数。
步骤S4:对上述步骤S3获取的最优近似参数进行误差判断,其公式如下:
其中,Tj(x)、Tj(y)分别表示理想亚像素位移参数Tj的水平、竖直方向位移参数,Tj′(x)、Tj′(y)分别表示实际位移参数Tj′的水平、竖直方向位移参数,H表示误差阈值,误差阈值H根据理想亚像素位移参数的最小位移间隔Δ确定,其公式如下:
H=Δ/2。
若Tj′(x)两个方向误差均小于阈值H,则该Tj′(x)参数对应的图像作为最终的亚像素位移图像。
作为本发明优选的实施方式,如图2所示,在实验室环境下拍摄得到的靶标图像,设置理想亚像素位移参数的最小位移间隔分别为1/2,1/3,1/4像素,对应的图像数量分别为4,9,16张。因为最小位移间隔Δ分别为1/2,1/3,1/4像素,所以对应的误差阈值H分别为1/4,1/6,1/8像素。如图2所示,利用本发明进行筛选处理的结果。从图2中可以看出,当Δ为1/4像素时,利用本发明得到12张满足要求的亚像素位移图像,当Δ为1/3像素时,利用本发明得到8张满足要求的亚像素位移图像,当Δ为1/2像素时,利用本发明得到4张满足要求的亚像素位移图像。本实例说明,本发明提出的这种基于配准算法的亚像素位移图像获取方法,可以有效获取不同位移间隔的亚像素位移图像。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种基于配准方式的亚像素位移图像获取方法,其特征在于,包括以下步骤:
步骤S1:获取多张针对同一场景的源图像,并从多张源图像中随机选取一张图像作为基准图;
步骤S2:将剩余的多张源图像以所述基准图为参考进行配准处理,得到每一张源图像相对所述基准图的实际位移参数;
步骤S3:输入一组理想亚像素位移参数,将步骤S2配准处理得到的实际位移参数与理想亚像素位移参数进行比较,并从实际位移参数中筛选出每一个理想亚像素位移参数的最优近似参数;
步骤S4:对上述步骤S3获取的最优近似参数进行误差判断,当最优近似参数水平和竖直两个方向位移参数都小于误差阈值H时,则该最优近似参数对应的图像作为最终的亚像素位移图像。
2.根据权利要求1所述的基于配准方式的亚像素位移图像获取方法,其特征在于,所述步骤S2中配准处理,将配准方法应用于亚像素位移图像的筛选获取过程中。
5.根据权利要求1所述的基于配准方式的亚像素位移图像获取方法,其特征在于,所述步骤S4中的误差阈值H根据理想亚像素位移参数的最小位移间隔Δ确定,其公式如下:
H=Δ/2。
6.根据权利要求1所述的基于配准方式的亚像素位移图像获取方法,其特征在于,所述步骤S3中输入的一组理想亚像素位移参数是指,待获取的亚像素位移图像相对于基准图像的理想位移参数,根据实际需要进行确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910217860.3A CN109934768B (zh) | 2019-03-21 | 2019-03-21 | 一种基于配准方式的亚像素位移图像获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910217860.3A CN109934768B (zh) | 2019-03-21 | 2019-03-21 | 一种基于配准方式的亚像素位移图像获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934768A CN109934768A (zh) | 2019-06-25 |
CN109934768B true CN109934768B (zh) | 2022-10-04 |
Family
ID=66987958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910217860.3A Expired - Fee Related CN109934768B (zh) | 2019-03-21 | 2019-03-21 | 一种基于配准方式的亚像素位移图像获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934768B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110207842B (zh) * | 2019-07-01 | 2020-09-01 | 中国电子科技集团公司第十三研究所 | 亚像素级边缘效应的修正方法及终端设备 |
CN113079330B (zh) * | 2021-04-16 | 2022-08-09 | 锐芯微电子股份有限公司 | 多线阵图像传感器及图像处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5640200A (en) * | 1994-08-31 | 1997-06-17 | Cognex Corporation | Golden template comparison using efficient image registration |
CN103886559A (zh) * | 2014-04-04 | 2014-06-25 | 北京航空航天大学 | 一种光谱图像处理方法 |
CN105069748A (zh) * | 2015-07-16 | 2015-11-18 | 哈尔滨工业大学 | 一种基于微小卫星物方扫描技术获取高分辨率图像的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953422B2 (en) * | 2016-02-23 | 2018-04-24 | Motorola Mobility Llc | Selective local registration based on registration error |
-
2019
- 2019-03-21 CN CN201910217860.3A patent/CN109934768B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5640200A (en) * | 1994-08-31 | 1997-06-17 | Cognex Corporation | Golden template comparison using efficient image registration |
CN103886559A (zh) * | 2014-04-04 | 2014-06-25 | 北京航空航天大学 | 一种光谱图像处理方法 |
CN105069748A (zh) * | 2015-07-16 | 2015-11-18 | 哈尔滨工业大学 | 一种基于微小卫星物方扫描技术获取高分辨率图像的方法 |
Non-Patent Citations (2)
Title |
---|
基于超分辨率重建的亚像素图像配准;李方彪等;《光学精密工程》;20170215(第02期);全文 * |
曲面拟合法和梯度法相结合的图像亚像素配准算法;刘红亮等;《国防科技大学学报》;20151028(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109934768A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
EP2711891B1 (en) | Stereo image processing device and stereo image processing method | |
CN107077743A (zh) | 用于阵列相机的动态校准的系统和方法 | |
JP5306563B2 (ja) | 撮像装置及び画像生成方法 | |
CN112655023B (zh) | 用于精确图像融合的多模态成像传感器校准方法 | |
CN109313805A (zh) | 图像处理装置、图像处理系统、图像处理方法和程序 | |
JP5822937B2 (ja) | 不可視スペクトル領域の画像を処理する方法、相応するカメラおよび測定装置 | |
CN111899282A (zh) | 基于双目摄像机标定的行人轨迹跟踪方法及装置 | |
KR101784214B1 (ko) | 촬상장치, 제어장치, 제어 방법 및 기억매체 | |
JP2015231220A (ja) | 画像処理装置、撮像装置、画像処理方法、撮像方法及びプログラム | |
JPH1093808A (ja) | 画像合成装置および方法 | |
Feng et al. | Learnability enhancement for low-light raw denoising: Where paired real data meets noise modeling | |
CN108765480B (zh) | 深度处理设备 | |
CN109934768B (zh) | 一种基于配准方式的亚像素位移图像获取方法 | |
WO2015174057A1 (en) | Image processing apparatus and imaging apparatus | |
CN110599400A (zh) | 一种基于epi的光场图像超分辨的方法 | |
JP2017069926A (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
CN109978897B (zh) | 一种多尺度生成对抗网络的异源遥感图像配准方法及装置 | |
CN104184936B (zh) | 基于光场相机的影像对焦处理方法及其系统 | |
CN115082310A (zh) | 一种卫星视频的超分辨率重建方法、装置及处理设备 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN110782488A (zh) | 一种基于形状约束的连续脑片图像三维配准方法 | |
CN109345594A (zh) | 全局坐标系构建及应用方法、装置、设备及存储介质 | |
JP2001167276A (ja) | 撮影装置 | |
KR20140038749A (ko) | 영상 왜곡 보정 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221004 |
|
CF01 | Termination of patent right due to non-payment of annual fee |