基于自学习局部线性嵌入的多幅亚像元超分辨成像

摘要

研究了软硬件相结合的亚像元超分辨成像技术.首先通过探测器扫描获得同一场景彼此错位亚像元像素的多帧图像作为训练样本和输入图像;然后针对传统的局部线性嵌入(ILE)实例学习超分辨算法过于依赖外部训练样本,不利于光电成像系统直接处理等缺点,提出了一种基于自学习的改进LLE算法;采用新的LLE权值计算方法获得正数权值,同时对初始估计再次运用自学习ILE方法恢复丢失的高频细节信息.仿真实验结果表明,该算法重构的图像的信噪比比传统LLE超分辨算法提高了o.8 dB,运行时间提高了75％,视觉上可感知重构图像的细节信息更丰富.与其它方法相比,用搭载的微位移实验平台运行本文算法所获得重构图像的信噪比和信息熵都有很大提高,表明本文算法能获得高质量和高分辨率的重构图像.