[發明專利]一種基于稀疏表示和多殘差的圖像超分辨率重建方法

無效

• 申請號: 201310015644.3
• 申請日: 2013-01-16
• 公開（公告）號: CN103116880A
• 公開（公告）日: 2013-05-22
• 發明（設計）人: 陳華華;姜寶林;姜芳芳;劉超
• 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
• 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，具體是一種基于稀疏表示和多殘差的圖像超分辨率重建方法。?

背景技術

圖像超分辨率重建在醫學成像、衛星成像等各個領域有著廣闊的應用，它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，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。?

圖像超分辨率重建一般可分為基于插值的、基于多幅低分辨率圖像的、基于學習的三類超分辨率重建方法。基于插值的超分辨率方法重建的圖像易產生過平滑，因此這類方法產生的高分辨率圖像質量很有限。基于多幅低分辨率的超分辨率重建方法通常需要對低分辨率圖像進行亞像素精度的配準以獲得各圖像之間的位置變化，然而這種方法在提高圖像質量的情況下對分辨率放大倍數的增加是非常有限的。而基于學習的超分辨率重建方法突破了上述兩種方法的局限性，這種方法認為低分辨率圖像中缺失的高頻細節可以通過對指定數據集的訓練來預測和推斷。?

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。?

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，并將殘差分成高頻部分與低頻部分；其次，以低分辨率圖像樣本特征和對應圖像殘差高頻部分、圖像殘差低頻部分建立樣本對，以低分辨率樣本為基準根據紋理元結構對樣本對進行分類，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高頻部分、低頻部分的字典對；最后，根據測試樣本的紋理元結構選擇字典對，將重建的圖像殘差高頻部分、低頻部分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，并獲得殘差的高頻部分與低頻部分，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；然后對差值Xr進一步分析，對差值Xr按其頻率的相對高低再分成兩部分，即通過高通濾波得到Xr的高頻部分Xr₁，以及余下的低頻部分Xr₂=Xr-Xr₁。

步驟(2)獲得低分辨率訓練樣本圖像、高分辨率圖像殘差高頻部分與低頻部分的字典對，具體是：?

計算低分辨率訓練樣本圖像的一階、二階梯度圖像，將梯度圖像按3×3分塊，以梯度值作為低分辨率圖像子塊的特征；將圖像殘差按9×9分塊，對子塊殘差的高頻部分、低頻部分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、高分辨率殘差的高頻字典和高分辨率殘差的低頻字典構成。

訓練前先對低分辨率特征子塊樣本集合{y_i}進行分類。每個y_i是一個3x3大小的紋理元結構，設Z為紋理元的中心像素，其八鄰域內的像素分別為Z₁-Z₈，當Zs≥Z，則給Zs標記ps＝1，否則標記ps＝0，s=1,…,8。將ps按s序號大小排成一行，根據ps的取值可得到256種可能的紋理元結構。以輸入的低分辨率圖像塊樣本為基準，對樣本空間進行分類。分類的規則是：對于給定的256個紋理元?，0≤p≤255，根據式(1)按照紋理元結構的旋轉和互補規則將紋理元進行分組。式（1）中rot90、rot180、rot270分別表示紋理元結構旋轉90^o、180^o和270^o，下標2表示二進制表示。經過式（1）方法，可合并得到K組紋理元結構。相應地，構成各類別的低分辨率樣本所對應的高分辨率的殘差高頻樣本也對應分到同一類高頻殘差中，對應的高分辨率的殘差低頻樣本也對應分到同一類低頻殘差中，分類后得到K類紋理元結構。?

???????????????(1)?

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_r1i}、{x_r2i}和{y_i}，其中x_r1i表示圖像殘差的高頻子塊，x_r2i表示圖像殘差的低頻子塊，y_i表示低分辨率圖像特征子塊，?i=1,…,N，N是子塊數。