[發(fā)明專利]一種基于組稀疏編碼的圖像放大方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201210470415.6
• 申請(qǐng)日: 2012-11-19
• 公開（公告）號(hào): CN102968759A
• 公開（公告）日: 2013-03-13
• 發(fā)明（設(shè)計(jì)）人: 周凡;吳雪蓮;李健紅
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06T5/00;G06T9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于組稀疏編碼的圖像放大方法。

背景技術(shù)

圖像放大是圖像處理的基本操作之一，它廣泛應(yīng)用于醫(yī)學(xué)圖像、遙感圖像、網(wǎng)頁制作以及一些商用圖像處理軟件中。圖像放大即將一幅低分辨率的圖像轉(zhuǎn)換為高分辨率圖像的一種圖像處理技術(shù)，對(duì)一幅圖像進(jìn)行放大，實(shí)質(zhì)上是對(duì)圖像插值的過程。圖像放大目前已經(jīng)有了很多實(shí)用化的方法，它們有各自的特點(diǎn)、優(yōu)點(diǎn)和不足。圖像放大算法的選擇直接影響到放大圖像的質(zhì)量，所以尋找合適的算法是提高放大圖像質(zhì)量的關(guān)鍵。

生物學(xué)實(shí)驗(yàn)表明，視皮層對(duì)外界刺激的處理采用神經(jīng)稀疏表示原則。稀疏編碼源于視神經(jīng)網(wǎng)絡(luò)的研究，是對(duì)只有一小部分神經(jīng)元同時(shí)處于活躍狀態(tài)的多維數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)的表示方法，在視神經(jīng)細(xì)胞的響應(yīng)特性和外部環(huán)境刺激的統(tǒng)計(jì)特性之間建立一種科學(xué)的數(shù)量聯(lián)系，逐漸成為一種有效理解人類神經(jīng)系統(tǒng)信息加工機(jī)制的理論工具，在盲源信號(hào)分離、語音信號(hào)處理、自然圖像特征提取、自然圖像去噪以及模式識(shí)別方面等方面取得了許多成果，具有重要的實(shí)用價(jià)值。自然圖像的稀疏編碼模型，是一種模擬哺乳動(dòng)物視覺系統(tǒng)主視皮層VI區(qū)簡(jiǎn)單細(xì)胞感受野的人工神經(jīng)網(wǎng)絡(luò)方法，其編碼方式不依賴于輸入數(shù)據(jù)性質(zhì)，僅僅依靠外界感知信息的統(tǒng)計(jì)特性，是一種自適應(yīng)的信號(hào)統(tǒng)計(jì)方法。稀疏編碼方法能充分利用自然圖像數(shù)據(jù)中的高階統(tǒng)計(jì)信息，獲得好的分析處理效果。

研究表明，基于稀疏編碼的自然圖像處理方法，與建立在數(shù)字信息處理和概率基礎(chǔ)上的傳統(tǒng)圖像處理方法相比，具有獨(dú)特的優(yōu)勢(shì)，為圖像處理提供一種基于視覺信息處理的新途徑。

目前主要的圖像放大方法大致可以分為兩類：第一類是常規(guī)插值，包括最鄰近點(diǎn)插值、雙線性插值、拉格朗日插值及三次樣條插值等，這類方法是根據(jù)離散的點(diǎn)建立一個(gè)連續(xù)函數(shù)，用這個(gè)重建的函數(shù)求出任意位置處的函數(shù)值。第二類是利用圖像中包含不同的高、低頻成分的特點(diǎn)，經(jīng)過對(duì)圖像的數(shù)學(xué)統(tǒng)計(jì)特征的分析，采用不同的方式對(duì)圖像不同部分進(jìn)行插值的非線性的、移變得插值方法。

基于超完備字典的圖像稀疏表示是一種新的圖像表示理論，利用超完備字典的冗余性可以有效地捕捉圖像的各種結(jié)構(gòu)特征，從而實(shí)現(xiàn)圖像的有效表示．

對(duì)比各種基礎(chǔ)圖像放大方法并結(jié)合實(shí)驗(yàn)數(shù)據(jù)，現(xiàn)將效果參數(shù)列舉如下表：

除此之外最新的基于稀疏編碼的圖像放大技術(shù)由于稀疏約束力度不足，導(dǎo)致圖像放大的質(zhì)量依然存在提高的空間。

發(fā)明內(nèi)容

本發(fā)明通過將相似邏輯小塊圖像進(jìn)行組稀疏約束且結(jié)合其梯度特征等相關(guān)約束，從而得到更高質(zhì)量的放大圖像。

本發(fā)明提供一種基于組稀疏編碼的圖像放大方法，包括：

建立高低分辨率圖像間的映射關(guān)系；

輸入一幅低分辨率圖像的圖片，并提取出其亮度通道；

將輸入的低分辨率圖像的圖片分成3*3的具有重復(fù)的邏輯小圖片；

利用低分辨率字典并加入稀疏約束得出該低分辨率圖像的稀疏系數(shù)；

將該稀疏系數(shù)乘以高分辨率字典得到一個(gè)初始高分辨率圖像的圖片；

利用梯度下降法，約束當(dāng)前得到的高分辨率圖像經(jīng)下采樣后接近當(dāng)前輸入圖像，得到最終的高分辨率圖像的圖片。

在將該稀疏系數(shù)乘以高分辨率字典得到一個(gè)初始高分辨率圖像的圖片之后還包括：

利用引入反饋算法處理初始高分辨率圖像的圖片。

通過實(shí)施本發(fā)明，整個(gè)技術(shù)實(shí)現(xiàn)過程簡(jiǎn)單明了，過使用比之前算法約束更加嚴(yán)格的組稀疏約束，使得本論文最終放大的圖像擁有很高的信噪比，且得到更好的視覺效果。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1是本發(fā)明實(shí)施例中的基于邊緣保持全變分模型的色調(diào)映射方法流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

通過將相似邏輯小塊圖像進(jìn)行組稀疏約束且結(jié)合其梯度特征等相關(guān)約束，從而得到更高質(zhì)量的放大圖像。歸納起來分為以下三部分：

2.1.1構(gòu)造超完備字典