[發明專利]基于單張圖像超分辨率方法

有效

• 申請號: 201410198233.7
• 申請日: 2014-05-12
• 公開（公告）號: CN104008538B
• 公開（公告）日: 2017-03-01
• 發明（設計）人: 丁曉青;黃琛;方馳;劉長松;梁亦聰;彭良瑞
• 申請（專利權）人: 清華大學
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T3/40
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 李迪

1.一種基于單張圖像超分辨率方法，其特征在于，包括具體以下步驟：

S1：對輸入的低分辨率圖像進行雙三次插值得到初始高分辨率圖像；

S2：將所述初始高分辨率圖像劃分為相互重疊的多個圖像塊，為每個圖像塊匹配得到非局部相似圖像塊分組，并對每個分組都基于自適應低秩和稀疏矩陣分解算法去除圖像噪聲；

S3：將去噪后的多個圖像塊融合成整張高分辨率圖像，并對每個圖像塊以加權歐式距離為匹配度量重新求取非局部相似圖像塊以及相對應的加權系數，計算得到非局部相似圖像塊分組的冗余度權重；

S4：根據所述相似圖像塊分組更新在線字典，并與離線字典進行融合；

S5：利用迭代壓縮算法求解每個圖像塊相對于融合字典的稀疏表達系數；

S6：重建所有多個圖像塊和整張高分辨率圖像，如果迭代不收斂，且迭代次數小于預定閾值則返回S2，否則輸出高分辨率圖像。

2.如權利要求1所述的方法，其特征在于，所述步驟S2進一步包括：

S21：將圖像劃分為相互重疊的多個圖像塊，并對每個圖像塊匹配得到非局部相似圖像塊分組；

S22：根據圖像塊的梯度g計算對應相似圖像塊矩陣的經驗目標秩r(g)；

S23：計算每個非局部相似圖像塊分組的冗余度權重R_i；

S24：對每個非局部相似圖像塊組成的矩陣，分別根據步驟S22和步驟S23中的經驗目標秩r(g)和冗余度權重R_i，利用增廣拉格朗日乘子方法進行自適應低秩和稀疏矩陣分解。

3.如權利要求2所述的方法，其特征在于，所述相似圖像塊矩陣的經驗目標秩r(g)是由預先訓練好的經驗秩方程進行確定的。

4.如權利要求2所述的方法，其特征在于，所述冗余度權重R_i是通過懲罰當前圖像塊和其相似圖像塊之間的歐式距離得到的。

5.如權利要求2所述的方法，其特征在于，通過融合經驗目標秩r(g)和冗余度權重R_i可以得到自適應的低秩和稀疏矩陣分解目標方程。

6.如權利要求1所述的方法，其特征在于，所述步驟S3進一步包括：

S31：將去噪后的圖像塊融合成整張高分辨率圖像；

S32：重新為高分辨率圖像中的每一個圖像塊求取分局部相似圖像塊，匹配度量是加權歐式距離，其中，每一個像素點的權重由它和圖像塊中心像素點的位置以及顏色的接近程度確定；

S33：根據相似圖像塊之間的加權歐式距離，求解關于它們的加權系數和整個圖像塊分組的冗余度權重R_i。

7.如權利要求1所述的方法，其特征在于，所述步驟S4進一步包括：

S41：對相似圖像塊分組進行主分量分析，得到在線字典；

S42：基于主分量分析對圖像塊進行訓練得到離線字典，并將離線字典和在線字典直接合并為一個矩陣從而得到融合字典。