[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

技術領域

本發明涉及計算機圖像處理技術領域，尤其涉及一種基于單張圖像超分辨率方法。

背景技術

目前，圖像超分辨率重建是計算機圖像處理領域中的一個重要研究課題，廣泛應用于視頻監控、衛星遙感成像、醫學圖像等領域。一般地，圖像的退化模型可以表達為：

y＝DHx+v???(1)

其中，y是退化的低分辨率圖像，x是原始的高分辨率圖像，D和H分別是下采樣矩陣和模糊矩陣，v是加性的高斯白噪聲。單張圖像的超分辨率方法主要分為三類：第一類是插值方法，這類方法簡單快速但是容易產生圖像的過平滑和鋸齒效應；第二類方法是基于重建的方法，即在約束退化模型的保真項的基礎上加入一些正則項來約束高分辨率圖像x的解空間，從而克服超分辨率問題的病態性：

x^=argminx||y-DHz||22+γJ(x)---(2)]]>

其中，J(x)就是正則項，表示想引入的圖像先驗知識，γ是正則項的權重。約束圖像梯度分布的正則方法，以及基于稀疏表達的正則方法近年來取得了較大成功，但它們沒有充分利用圖像自身的相似性因而復原的高分辨率圖像邊緣存在一定的鋸齒效應?；诜蔷植烤?Nonlocal?Means,NLM)的方法則能有效克服這個缺點，并直接利用了圖像塊在非局部范圍內的相似性，由此導出的正則方程是：

x^=argminx||y-DHz||22+γ||(I-W)x||22---(3)]]>

其中，I是單位矩陣，W是圖像塊x_i的中心像素點關于其他相似圖像塊x_ij中心像素點的加權系數w_ij的矩陣：

基于NLM的正則方法面臨的風險在于：在圖像塊自相似性不高的圖像區域強制自相似性會破壞圖像結構，而圖像塊的非局部自相似性往往具有高度的空間可變性。

第三類單張圖像超分辨率方法基于字典學習，通常的方式包括離線字典學習和在線字典學習。離線學習的字典往往欠缺對輸入圖像的適應性，而在線學習的字典又有可能學習到輸入圖像里的噪聲。

綜上所述，如何提高字典學習的適應性和魯棒性，以及如何更合理地利用圖像自相似性是亟待解決的問題。另外，目前的超分辨率算法均不能同時有效地去除輸入圖像里的噪聲，尤其是非高斯噪聲。

發明內容