基于形态学正则化算子的图像重构算法

针对当前空间域的多帧超清图像重构算法,在对具有较多未知像素的低分辨率图像修复时,存在重构效果差,且处理速度慢等不足,提出了基于形态学正则化算子的超分辨率图像重构算法。通过构造高低分辨率关系模型,确定目标低分辨率改善因子;再估计高清图像,将修复问题转化为不适定问题,利用正则化方法求其稳定值,克服了因低分辨率图像中存在较多未知像素而难以实现高清图像重构的问题;并定义了基于形态学滤波器的正则化算子,联合Bregman迭代和算子分裂,有效解决最小化问题,再通过计算形态学正则化算子的次梯度,完成图像重构。仿真结果表明:与当前超清图像重构算法相比,在修复具有较多未知像素值的低分辨率图像时,拥有更好的重构效果与适应性,且具有更高的相似度。