[發(fā)明專利]一種多級重構(gòu)的圖像超分辨率方法

有效

• 申請?zhí)枺?/td>: 201310526814.4
• 申請日: 2013-10-30
• 公開（公告）號: CN103530863B
• 公開（公告）日: 2017-01-11
• 發(fā)明（設(shè)計）人: 甄海華
• 申請（專利權(quán)）人: 廣東威創(chuàng)視訊科技股份有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T3/40
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司44102
• 代理人: 禹小明

1.一種多級重構(gòu)的圖像超分辨率方法，其特征在于，包括字典訓(xùn)練與超分辨率重構(gòu)兩個階段；其中所述字典訓(xùn)練階段使用Lanczos3-IBP算法對低分辨率圖像進行第一級重構(gòu)，并在此基礎(chǔ)上訓(xùn)練多級的特征字典與誤差字典；所述超分辨率重構(gòu)階段，使用Lanczos3-IBP算法對低分辨率圖像進行第一次重構(gòu)，然后利用訓(xùn)練得到的多級特征字典與誤差字典，進行多級稀疏編碼重構(gòu)，得到各級重構(gòu)圖像的誤差，并添加到上一級的圖像中，得到高分辨率圖像。

2.根據(jù)權(quán)利要求1所述的多級重構(gòu)的圖像超分辨率方法，其特征在于，所述字典訓(xùn)練階段具體為：

S11：字典訓(xùn)練階段開始，對本地的高分辨率樣本圖像，使用Bicubic插值法進行s倍下采樣，其中s=2,3,4,…；使用Lanczos3插值算法進行s倍插值，并使用迭代逆投影算法IBP進行超分辨率重構(gòu)，得到第1級的重構(gòu)樣本圖像，令i=1，進入步驟S12；

S12：對原高分辨率樣本圖像與第i級重構(gòu)樣本圖像求差值，其差值是將原高分辨率樣本圖像減去第i級重構(gòu)樣本圖像，得到第i級重構(gòu)樣本圖像誤差，并組成誤差塊向量矩陣；對第i級重構(gòu)樣本圖像進行特征提取與主成分分析PCA降維，得到第i級重構(gòu)樣本圖像的特征塊向量矩陣，進入步驟S13；

S13：使用K-SVD字典訓(xùn)練算法對第i級的重構(gòu)樣本圖像的誤差塊向量矩陣與特征塊向量矩陣進行字典訓(xùn)練，得到第i級誤差字典、特征字典以及稀疏系數(shù)；若i等于N-1，其中N為重構(gòu)級數(shù)，即表示已得到N-1級誤差字典與特征字典，則字典訓(xùn)練階段結(jié)束，進入超分辨率重構(gòu)階段；否則，使用第i級誤差字典與第i級是稀疏系數(shù)進行超分辨率重構(gòu)，得到重構(gòu)樣本圖像誤差，并與第i級重構(gòu)樣本圖像相加，得到第i+1級重構(gòu)樣本圖像，并令i=i+1，進入步驟S12。

3.根據(jù)權(quán)利要求1或2所述的多級重構(gòu)的圖像超分辨率方法，其特征在于，所述超分辨率重構(gòu)階段具體為：

S21：超分辨率重構(gòu)階段開始，對輸入的低分辨率圖像，使用Lanczos3算法進行s倍插值，其中s=2,3,4,…；并使用迭代逆投影算法IBP進行超分辨率重構(gòu)，得到第1級的重構(gòu)圖像，令i=1，進入步驟S22；

S22：若i等于N-1，其中N為重構(gòu)級數(shù)，則表示已獲得第N級的重構(gòu)圖像，超分辨率重構(gòu)階段結(jié)束；否則，對第i級重構(gòu)圖像進行特征提取與主成分分析PCA降維，得到第i級重構(gòu)圖像的特征塊向量矩陣，進入步驟23；

S23：使用OMP算法求解第i級重構(gòu)圖像的特征塊向量矩陣對應(yīng)于第i級特征字典的稀疏系數(shù)，并利用該稀疏系數(shù)與第i級誤差字典計算得到重構(gòu)圖像的誤差矩陣，將該誤差矩陣與第i級重構(gòu)圖像相加，得到第i+1級重構(gòu)圖像，并令i=i+1，進入步驟S22。