[發明專利]一種基于高頻和中頻信息的圖像超分辨率重建方法

有效

• 申請號: 201410514580.6
• 申請日: 2014-09-29
• 公開（公告）號: CN104299193B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 陳華華;陳偉超;郭春生
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙)33240
• 代理人: 杜軍

1.一種基于高頻和中頻信息的圖像超分辨率方法，其特征在于其包括以下步驟：

步驟(1)計算圖像高頻和中頻信息，具體是：

將用于訓練的低分辨率圖像Y經bicubic插值放大后得到圖像X_b，插值圖像X_b與原始高分辨率圖像X具有相同尺寸，圖像的高頻信息為原始高分辨率圖像X與插值放大圖像X_b之間的差值，即X_h＝X-X_b；插值放大圖像X_b經低通濾波器處理后得到低頻圖像低頻圖像與插值放大后圖像具有相同尺寸，圖像的中頻信息為插值放大圖像X_b與低頻圖像之間的差值，即

步驟(2)獲得高、中頻字典對，具體如下：

訓練字典時，采用多樣的自然場景圖像作為訓練樣本圖像，提取訓練樣本圖像的高頻信息X_h、中頻信息X_m并進行分塊，相鄰塊間重疊像素為w，并將獲得的高頻子塊和中頻子塊作為訓練樣本對，訓練得到高頻、中頻字典；

訓練字典時，對輸入的高頻子塊和中頻子塊進行向量化，得到各自向量化的子塊樣本集合，分別記為{x_hi}和{x_mi}，其中x_hi表示高頻子塊，x_mi表示中頻子塊，i＝1,2…N，N為子塊總數；

對中頻子塊樣本集合{x_mi}進行篩選，將其中方差小于閾值Δ的子塊去除，然后從高頻子塊樣本集中刪除對應子塊，獲得高、中頻子塊訓練樣本矩陣xh=[xh1,xh2,····xhN1]∈Rq×N1]]>和xm=[xm1,xm2,····xmN1]∈Rq×N1,]]>q是樣本子塊大小，N₁為新的子塊總數；

高頻、中頻字典D_h、D_m訓練過程如下：

argmin{DhDmαi,i=1,2···N1}Σi=1N112||Xci-Dαi||22+λ||αi||p---(1)]]>

式(1)中，Xci=xhixmi,]]>X_ci∈R^2q×1；D=DhDm,]]>D∈R^2q×K，D_m∈R^q×K，D_h∈R^q×K；α_i∈R^K×1,||α_i||_p表示α_i的l_p范數，0≤p≤1，i＝1,2…N₁；λ為約束系數；

迭代過程中，避免新生成的字典對D與前次生成的字典對D_o有大的偏移，加入新的約束項進行優化，μ為約束系數；新的字典對訓練可表示為：

argmin{DhDmαi,i=1,2···N1}Σi=1N112||Xci-Dαi||22+λ||αi||p+μ|||D-D0|22---(2)]]>

采用廣義迭代收縮法進行稀疏分解；并采用分步迭代法分別求解D和α，具體是：

1)初始化；初始化D，循環次數k＝0，最大循環次數max，λ，μ，p；

2)當k＜max時：

固定D，采用廣義迭代閾值法求解稀疏表示系數

argminαi12||Xci-Dαi||22+λ||αi||pi=1,2···N1---(3)]]>

固定α，求解字典對D；

argmin{DhDm}12||Xc-Dα||22+μ||D-Do||22---(4)]]>

即D^T＝(αα^T+μI)^-1(X_cα^T+μD_o)^T；

k＝k+1，結束循環；

3)輸出D_h、D_m；

步驟(3)重建高分辨率圖像，具體是：

高分辨率圖像重建算法如下：

輸入：低分辨率圖像L，訓練得到的字典對D_h、D_m，約束系數η；

1)根據低分辨率圖像獲得bicubic插值放大后圖像H_b并提取中頻H_m，采用與訓練階段相同的分塊方式將H_b和H_m分塊，相鄰子塊間重疊像素為w，獲得的子塊記為{h_mih_bi},i＝1,2…M；

2)求解稀疏表示系數α，用廣義迭代收縮法進行稀疏分解；

argminαi12||hmi-Dmαi||22+λ||αi||pi=1,2···M---(5)]]>

3)重建高頻子塊；

h_hi＝D_hα_i?????????????????(6)

4)將高頻子塊結合插值放大后圖像H_b的子塊h_bi，獲得對應的高分辨率圖像塊，即為

hhi*=hhi+hbi---(7)]]>

5)根據高分辨率圖像塊線性組合重建出高分辨圖像H^*，用非局部相似性對H^*進行約束；

H^1=argminH*||L-SH*||22+η||(I-N)H*||22---(8)]]>

上式中，S為下采樣矩陣，I為單位矩陣，N為非局部相似性矩陣，η為約束系數，采用梯度下降法求解

6)對采用反向投影算法，重建出高分辨率圖像

輸出：高分辨率圖像