[發明專利]基于稀疏表示的圖像超分辨率重建方法

有效

• 申請號: 201310296581.3
• 申請日: 2013-07-16
• 公開（公告）號: CN103366347A
• 公開（公告）日: 2013-10-23
• 發明（設計）人: 田巖
• 申請（專利權）人: 蘇州新視線文化科技發展有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李鳳嬌

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種基于稀疏表示的圖像超分辨率重建方法。

背景技術

標清視頻（Standard?Definition，SD），是指分辨率在400線左右的VCD、DVD、電視節目等視頻。高清（High?Definition，HD），是指至少具備720線逐行掃描或1080線隔行掃描以及屏幕寬高比為16：9的視頻。比較標清視頻和高清視頻的規范可以看到，兩者的差別主要在分辨率和寬高比，其中轉換的關鍵是視頻分辨率的提高。

圖像超分辨率重建技術是一種提升圖像的分辨率技術解決方案，目前常用的圖像超分辨率方法有三大類：基于插值、基于重建和基于學習的方法。基于插值的方法主要是利用相鄰像素的強相關性來估計插值點的信息，該類方法速度快且簡單，但是對于圖像邊緣區域和紋理區域處理效果不佳，重建結果細節不夠豐富。基于重建的方法是運用從高分辨率圖像到低分辨率圖像的生成模型的先驗假設來求解超分辨率問題，該類方法的缺點是由于高分辨率圖像到低分辨率圖像的生成模型的先驗假設不準確，基于重建的方法會隨著放大倍數的提高而嚴重退化，兩種方法均會造成圖像細節和邊緣部分效果不佳。

發明內容

發明目的：基于上述問題，本發明提出了一種基于稀疏表示的圖像超分辨率重建方法。

技術方案：基于稀疏表示的圖像超分辨率重建方法，包括樣本訓練步驟和圖像超分辨率重建步驟；所述樣本訓練步驟包括：計算低分辨率圖像的梯度信息和高分辨率圖像與低分辨率圖像的殘差信息；通過稀疏表達方法得到低分辨率特征集合和高分辨率特征集合；所述圖像超分辨率重建步驟包括：計算待處理低分辨率圖像的梯度信息；在低分辨率特征集合中找到其稀疏表示系數向量；在高分辨率特征集合中找到對應的殘差信息，將此殘差信息融合到低分辨率圖像上，獲得高分辨率圖像。

優選的，所述圖像超分辨率重建步驟中，利用基于分類思想的快速正交匹配追蹤算法在低分辨率特征集合中找到其稀疏表示系數向量。

本發明采用上述技術方案，具有以下有益效果：本發明技術方案統計了大量的圖像，并且特征的提取均與梯度和高頻信息有關，因此，最后得到的高分辨率圖像細節更豐富、邊緣更清晰，具有更好的視覺效果。

附圖說明

圖1為本發明樣本訓練步驟流程圖；

圖2為本發明圖像超分辨率重建步驟流程圖；

圖3為本發明方法與雙三次插值算法在峰值信噪比（PSNR）的比較圖。

具體實施方式

下面結合具體實施例，進一步闡明本發明，應理解這些實施例僅用于說明本發明而不用于限制本發明的范圍，在閱讀了本發明之后，本領域技術人員對本發明的各種等價形式的修改均落于本申請所附權利要求所限定的范圍。

一種基于稀疏表示的圖像超分辨率重建方法，分為兩個部分，分別是樣本訓練步驟和圖像超分辨率重建步驟。在樣本訓練步驟，首先計算低分辨率圖像的梯度信息和高分辨率圖像與低分辨率圖像的殘差信息，進而通過稀疏表達方法得到低分辨率特征集合和高分辨率特征集合。在圖像超分辨率重建步驟，首先計算待處理圖像的梯度信息，然后在低分辨率特征集合中找到其近似表示，接下來可以在高分辨率特征集合中找到對應的殘差信息，將此殘差信息融合到低分辨率圖像上，就可以得到高分辨率圖像。具體技術方案如下：

具體的：

樣本訓練步驟，如圖1所示：

1、構建高分辨率圖像訓練樣本庫對樣本庫中的圖像進行雙三次降采樣處理，得到低分辨率圖像再對進行雙三次升采樣得到高分辨率重建圖像{T_l^j}。

2、計算高分辨率圖像與重建圖像之間的殘差圖像對殘差圖像用6×6的窗口進行遍歷，提取6×6的圖像塊并轉換成長度為36的向量，記為其中K為塊的序號。

3、對于每一幅高分辨率重建圖像{T_l^j}，分別在水平和垂直方向用1×3和1×5梯度算子進行濾波，得到四個濾波圖像（r=1，2，3，4）。同樣用6×6的窗口對圖像進行遍歷，提取相同位置上的4個6×6的圖像塊，并轉換成長度為144的向量，記為其中K為塊的序號。

4、對進行降維處理得到其中B為的降維基向量矩陣。

5、利用下式計算的稀疏表示系數和特征集合：