[發明專利]一種基于雙層模型的單幅圖像超分辨率重建方法

有效

• 申請號: 201310225721.8
• 申請日: 2013-06-07
• 公開（公告）號: CN103279933B
• 公開（公告）日: 2016-10-26
• 發明（設計）人: 龔衛國;李進明;李偉紅;王立;潘飛宇;李正浩;楊利平
• 申請（專利權）人: 重慶大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 康海燕

技術領域

本發明屬于圖像處理技術領域，涉及一種圖像的超分辨重建方法，可用于各類自然圖像的超分辨重建。

背景技術

圖像的超分辨率重建可以看作是從一幅或者多幅低分辨率圖像恢復出一幅高分辨率圖像的一個逆問題，在視頻監控、醫學成像、衛星遙感遙測、軍事偵察與定位、高清電視成像等方面應用廣泛。目前國內外學者為了解決圖像超分辨率重建這一逆問題，做了大量的研究工作，提出了許多經典的算法，主要可分為三個范疇：基于插值、基于重建和基于學習的方法，基于插值和重建的方法會在圖像重建過程中產生振鈴、塊效應以及圖像過度平滑現象，并且在放大倍數較大情況下重構出的圖像質量下降較嚴重；因此，Freeman等提出了一種基于學習的重構方法，主要通過使用Markov網絡對圖像的空間關系進行建模。而后Chang等提出了基于鄰域嵌入的圖像超分辨率重建方法，其假定了高分辨率和對應的低分辨率圖像塊在特征空間可以形成具有相同局部幾何結構的流形。但是這種方法獲得的高分辨率圖像缺乏細節信息，圖像邊緣比較模糊；此后，Yang等提出了使用稀疏表示方法來實現超分辨率重建，首先收集訓練庫（高-低分辨率圖像），然后訓練一個普通的字典對（高-低分辨率字典），接著利用這對字典來重建給定的低分辨圖像。此方法對于圖像中的不同成分如邊緣和紋理都采用相同的處理，易導致重建出的圖像在細節和邊緣處趨于模糊。

發明內容

本發明的目的是提出一種基于雙層模型的單幅圖像超分辨率重建方法，以在圖像超分辨率重建過程中，有效解決以上技術存在的缺陷，恢復更多的圖像細節信息，提高重建圖像的質量。

為實現上述目的，本發明所采用的技術方案如下：

一種基于雙層模型的單幅圖像超分辨率重建方法，包括

1、利用L₀梯度最小化方法和HoG算子來獲取訓練集合，然后訓練這些集合的對應字典對{(D¹_l，D¹_T),(D²_l，D²_T),...(D^K_l，D^K_T)}；

2、依據用于測試的低分辨率圖像塊和用于訓練的低分辨率圖像塊的方向梯度直方圖信息，自適應的選取用于測試的低分辨率圖像塊對應的幾何字典對(Dⁱ_l，Dⁱ_T)，然后求解出測試低分辨率圖像對應的高分辨率紋理細節圖像；

3、利用L₀梯度最小化方法求解出用于測試的低分辨率圖像的高分辨率邊緣結構圖像；

4、把高分辨率紋理細節圖像加到高分辨率邊緣結構圖像上得到初始高分辨率圖像；

5、對4得出的初始高分辨率圖像進行全局和局部約束得到最終高分辨率圖像。

具體的方法步驟如下：

（1）從BSDS300高分辨圖像庫（全名：The?Berkeley?Segmentation?Data?Set?300。來自于：Berkeley?University?of?California。用途：被用于圖像分割，識別，分類，以及圖像重建的訓練庫和測試庫。鏈接：http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/）中隨機選取n幅作為訓練圖像X₁,X₂,…X_n，然后運用退化模型式（1）生成對應的低分辨率訓練圖像Y₁,Y₂,…Y_n。

Y=UBX???(1)

其中，向量X表示高分辨率圖像，向量Y表示對應的低分辨率圖像，矩陣U表示下采樣算子,矩陣B表示模糊算子；

（2）生成高分辨率邊緣結構圖像然后執行X_i與的相減操作，生成高分辨率紋理細節圖像過程如下：

（2a）獲取高分辨率邊緣結構圖像的目標函數：