[發(fā)明專利]基于預(yù)放大非負(fù)鄰域嵌入的單幀圖像超分辨重建方法有效
| 申請?zhí)枺?/td> | 201410275760.3 | 申請日: | 2014-06-19 |
| 公開(公告)號: | CN104036468B | 公開(公告)日: | 2017-06-16 |
| 發(fā)明(設(shè)計)人: | 寧貝佳;彭羊平;高新波;許潔;高傳清 | 申請(專利權(quán))人: | 西安電子科技大學(xué) |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00 |
| 代理公司: | 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11350 | 代理人: | 湯東鳳 |
| 地址: | 710071 陜西省*** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 放大 鄰域 嵌入 圖像 分辨 重建 方法 | ||
技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域,具體涉及基于鄰域嵌入的單幀圖像超分辨重建方法,可廣泛應(yīng)用于遙感偵察、交通及安全監(jiān)控、模式識別等領(lǐng)域。
背景技術(shù)
圖像的分辨率越高,提供的信息就越豐富。在各種各樣的實(shí)際應(yīng)用中,高分辨率圖像都發(fā)揮著重要作用。高分辨率衛(wèi)星圖像有助于目標(biāo)識別,交通及安全監(jiān)控、模式識別等領(lǐng)域也需要高分辨率圖像。由于受成像系統(tǒng)物理條件和天氣影響,成像過程中往往存在運(yùn)動模糊、下采樣和噪聲等退化過程,使得實(shí)際得到的圖像分辨率低、質(zhì)量差。要獲得高分辨率圖像,最直接的方法是采用高分辨率圖像傳感器,降低像素尺寸,提高單位面積的像素數(shù)量,但這種方法對圖像傳感器和光學(xué)器件的制造工藝和成本的要求很高,在很多場合中難以實(shí)現(xiàn)。圖像超分辨重建技術(shù)可以從單幀或多幀低分辨率輸入圖像獲得高分辨率圖像,相比而言,使用超分辨重建技術(shù)成本更低,更容易實(shí)現(xiàn)。
目前,圖像超分辨率重建技術(shù)可分為三類:基于插值、基于重建和基于學(xué)習(xí)的方法。
基于插值的方法是超分辨率研究中最直觀的方法。常見的方法包括最近鄰插值、雙線性插值、雙立方插值等。這類方法的優(yōu)點(diǎn)是計算復(fù)雜度低,快速易行。但是引入的高頻信息是基于預(yù)先假定的插值模板,當(dāng)模板與實(shí)際情況不符時,可能導(dǎo)致重建圖像質(zhì)量不高。
基于重建的方法根據(jù)圖像退化模型,結(jié)合圖像先驗知識構(gòu)造相應(yīng)的正則項以恢復(fù)丟失的高頻信息。包括迭代反向投影方法、最大后驗概率方法等。這類方法能在一定程度上緩解基于插值方法所產(chǎn)生的模糊效果。但當(dāng)圖像放大倍數(shù)較大時,重建效果通常也不太理想。
基于學(xué)習(xí)的方法是近年來超分辨率算法研究的熱點(diǎn)方向。其基本思路是通過學(xué)習(xí)低分辨率圖像和高分辨率圖像之間的映射關(guān)系,將學(xué)好的映射關(guān)系用于低分辨率輸入圖像以獲得高分辨率圖像。Chang等人在文獻(xiàn)“Chang H,Yeung D Y,Xiong Y.Super-resolution through neighbor embedding[C]//Computer Vision and Pattern Recognition,2004.CVPR2004.Proceedings of the 2004 IEEE Computer Society Conference on.IEEE,2004,1:I-I.”中假設(shè)高、低分辨率圖像塊在各自特征空間具有相似的局部結(jié)構(gòu),將低分辨率空間的權(quán)值用于高分辨率空間,提出了基于鄰域嵌入的圖像超分辨重建方法。但是當(dāng)放大倍數(shù)較大時,高、低分辨率圖像塊在各自特征空間形成的局部結(jié)構(gòu)不再相似,導(dǎo)致重建質(zhì)量的下降。另一方面,當(dāng)選取的近鄰數(shù)K變化時,重建質(zhì)量波動較大,因此,近鄰數(shù)K的選取是一個亟待解決的問題。為此,Chan等人在文獻(xiàn)“Chan T M,Zhang J,Pu J,et al.Neighbor embedding based super-resolution algorithm through edge detection and feature selection[J].Pattern Recognition Letters,2009,30(5):494-502.”中針對邊緣檢測和特征選擇對鄰域嵌入方法進(jìn)行了改進(jìn),對邊緣圖像塊和非邊緣圖像塊進(jìn)行不同的處理,同時對圖像塊選取了新的特征表示,從而提高了重建質(zhì)量。然而,該方法依賴邊緣檢測,不正確的邊緣檢測會使結(jié)果圖像中存在人工痕跡。
發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)中的不足,提供一種基于預(yù)放大非負(fù)鄰域嵌入的單幀圖像超分辨重建方法,以恢復(fù)更多的高頻細(xì)節(jié)信息,提高重建圖像的質(zhì)量。
為解決上述技術(shù)問題,本發(fā)明采用的技術(shù)方案為:一種基于預(yù)放大非負(fù)鄰域嵌入的單幀圖像超分辨重建方法,其創(chuàng)新點(diǎn)在于:包括以下步驟:
(1)構(gòu)建高分辨率訓(xùn)練圖像集
(2)對進(jìn)行模糊和下采樣操作得到臨時低分辨率圖像集
(3)對臨時低分辨率圖像集預(yù)放大2倍得到低分辨率訓(xùn)練圖像集
(4)構(gòu)建低分辨率訓(xùn)練圖像塊集
(5)構(gòu)建高分辨率訓(xùn)練圖像塊集
(6)讀取低分辨率輸入圖像TLR,設(shè)定需要放大的倍數(shù)為3倍,預(yù)先將其放大2倍;
(7)構(gòu)建低分辨率輸入圖像塊集XT;
(8)根據(jù)低分辨率訓(xùn)練圖像塊集非負(fù)鄰域嵌入表示輸入圖像塊集XT,得到重建系數(shù);
(9)輸出高分辨率圖像THR。
進(jìn)一步的,所述步驟(1)具體操作如下:
(a)搜集多幅彩色高分辨率自然圖像;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安電子科技大學(xué),未經(jīng)西安電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410275760.3/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





