[發明專利]一種基于殘差的圖像超分辨率重建方法

有效

• 申請號: 201210170038.4
• 申請日: 2012-05-29
• 公開（公告）號: CN102722876A
• 公開（公告）日: 2012-10-10
• 發明（設計）人: 陳華華
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T3/40
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

技術領域

本發明屬于圖像處理技術領域，涉及一種對圖像進行超分辨率重建的方法，具體是一種基于殘差的圖像超分辨率重建方法。

背景技術

圖像超分辨率重建是指由輸入的一幅或多幅低分辨率圖像重構得到一幅高分辨率圖像的方法，它充分利用了已獲取的資源，與采用高性能硬件獲取高分辨率圖像的方法相比，具有更低的成本，在視頻監控、醫學成像、高清視頻等各個領域有著廣闊的應用前景。

超分辨率重建是一個典型的病態反問題，對于只有單幀低分辨率圖像時，就轉變成求解欠定方程的問題。為改善重建性能，可在求解過程中考慮先驗知識，以消除很多人工痕跡，但是在重建細節豐富的圖像時仍不能取得令人滿意的結果；為了重建視覺上令人滿意的高分辨率圖像，許多先驗知識被應用到超分辨率重建中，典型的方法是正則化超分辨率重建，比較著名的正則化先驗是采用全變分，該方法對于分段平滑的邊緣結構能取得較好的重建結果，但是對于細節豐富的邊緣通常有階梯狀人工痕跡；最近提出的先驗知識是圖像具有稀疏性，圖像被字典的原子展開成一個稀疏表達式，顧名思義就是展開系數的大多數系數接近于0，用學習得到的字典用于超分辨率重建，典型的方法是學習獲得圖像的高、低分辨率字典，對于測試的低分辨率圖像子塊，求解其在低分辨率字典上的表示系數，再利用低分辨率圖像子塊與高分辨率子塊的流形一致性，使用低分辨率子塊的表示系數重構出高分辨率圖像子塊，但是其在圖像邊緣細節會也出現重建噪聲。

發明內容

本發明的目的是提供一種有效的圖像超分辨率重建方法，以改善重建質量，特別是圖像邊緣細節處的重建結果。

為解決上述技術問題，本發明提供的技術方案如下：

首先，計算原高分辨率圖像與低分辨率圖像經插值放大后的圖像之間的殘差；其次，以低分辨率圖像樣本特征和對應圖像殘差建立樣本對，以低分辨率樣本為基準采用K均值對樣本對進行分類，并將每一類樣本對采用KSVD方法進行訓練獲得低分辨率樣本與圖像殘差的字典對；最后，根據測試樣本與類中心的歐氏距離選擇字典對，將與測試樣本具有相近歐氏距離的各類別所重建的圖像殘差求加權和作為重建的最終圖像殘差，并結合低分辨率圖像的插值結果獲得高分辨率圖像。

下面詳細給出該發明技術方案中的各個細節說明：

步驟(1)計算殘差，具體是：

將用于訓練的低分辨率樣本圖像y插值放大得到圖像Xb，圖像Xb與原高分辨率圖像具有相同尺寸，將圖像Xb與原高分辨率圖像X之間的差值即Xr=X-Xb作為圖像殘差；

步驟(2)獲得低分辨率訓練樣本圖像與高分辨率圖像殘差的字典對，具體是：

計算低分辨率訓練樣本圖像的一階、二階梯度圖像，將梯度圖像分塊，以梯度值作為低分辨率圖像子塊的特征；將圖像殘差分塊，以子塊殘差作為高分辨率圖像子塊的特征，訓練字典對，它由低分辨率字典和高分辨率字典構成。

訓練時，對輸入的每個高、低分辨率圖像特征子塊向量化，得到各自向量化的特征子塊樣本集合，分別記為{x_ri}和{y_i}，其中x_ri表示圖像殘差特征子塊，y_i表示低分辨率圖像特征子塊，?i=1,…,N，N是子塊數。

對低分辨率特征子塊樣本集合{y_i}進行分類，先計算每個y_i的方差值，按給定的方差閾值△進行分類，閾值△可通過對集合{y_i}進行方差統計獲得。

對于方差小于或等于閾值△的低分辨率圖像特征子塊樣本組成一個集合{y_i0}，由其對應的高分辨率特征子塊樣本獲得集合{x_ri0}，將集合{x_ri0}和集合{y_i0}構成高、低分辨率子塊樣本對，采用K-SVD學習算法得到高分辨率字典D_h0、低分辨率字典D_l0。高分辨率字典D_h0和低分辨率字典D_l0構成字典對。