[發(fā)明專利]基于軟閾值編碼的快速圖像超分辨方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510493934.8
• 申請(qǐng)日: 2015-08-12
• 公開(kāi)（公告）號(hào): CN105118025B
• 公開(kāi)（公告）日: 2018-03-06
• 發(fā)明（設(shè)計(jì)）人: 岳波;王爽;焦李成;滑文強(qiáng);劉紅英;羅萌;馬文萍
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40
• 代理公司: 陜西電子工業(yè)專利中心61205
• 代理人: 田文英,王品華

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及自然圖像處理技術(shù)領(lǐng)域中的基于軟閾值編碼的快速圖像超分辨方法。本發(fā)明是將低分辨的圖像進(jìn)行超分辨，以得到一幅清晰的高分辨圖像，以便為圖像后續(xù)的解譯、目標(biāo)識(shí)別、目標(biāo)檢測(cè)提供更準(zhǔn)確、全面的信息。

背景技術(shù)

圖像超分辨技術(shù)是指從單幅或多幅低分辨率的圖像中重建出一幅清晰的高分辨率的圖像的過(guò)程。在實(shí)際成像中，受成像系統(tǒng)物理分辨率限制，以及場(chǎng)景變化與天氣等諸多因素的影響，這導(dǎo)致成像系統(tǒng)只能得到質(zhì)量較差、分辨率較低的圖像，影響了對(duì)景物更全面、清晰的描述。圖像超分辨的目的是為了得到高分辨圖像，增強(qiáng)和豐富了景物的細(xì)節(jié)內(nèi)容，以便為后續(xù)的圖像處理與解譯提供更準(zhǔn)確、全面的信息。圖像超分辨技術(shù)主要可以分為基于插值、基于重建和基于學(xué)習(xí)三大類。目前單幅圖像主要是基于低分辨-高分辨圖像塊之間映射關(guān)系學(xué)習(xí)來(lái)實(shí)現(xiàn)圖像的超分辨。

Yang,Wright等人發(fā)表的論文“Image Super-Resolution Via Sparse Representation”(IEEE Trans.on Image Processing vol.19no.11pp.2861-2873.2010)中提出一種基于稀疏表示的圖像超分辨方法。該方法將壓縮感知的思想引入超分辨重構(gòu)中，通過(guò)稀疏表示的方法來(lái)獲得低分辨和高分辨的字典對(duì)。當(dāng)?shù)头直鎴D像的稀疏表示通過(guò)壓縮感知的方法得到時(shí)，則高分辨圖像的稀疏表示也相應(yīng)的得到，從而可以有效地對(duì)低分辨圖像進(jìn)行重建。但是該方法仍然存在的不足之處是，該方法是通過(guò)對(duì)低分辨圖像進(jìn)行完全重構(gòu)式地編碼，造成在編碼過(guò)程中引入噪聲和不必要的信息，使得低分辨-高分辨圖像塊之間映射不準(zhǔn)確，嚴(yán)重影響了圖像整體的恢復(fù)效果，同時(shí)該方法圖像重建時(shí)間過(guò)長(zhǎng)，導(dǎo)致效率偏低。

Zeyde,Elad等人發(fā)表的論文“On Single Image Scale-Up Using Sparse Representations”(Springer Curves and Surfaces,pp.711-730.2012)中提出一種基于稀疏表示的快速圖像超分辨方法。該方法提出了先訓(xùn)練低分辨字典，進(jìn)而通過(guò)稀疏表示關(guān)系推導(dǎo)高分辨字典的超分辨方法，取得了較快的重建速度。但是該方法仍然存在的不足之處是，該方法也是對(duì)低分辨圖像進(jìn)行完全重構(gòu)式地編碼，造成在編碼過(guò)程中引入噪聲和不必要的信息，使得低分辨-高分辨圖像塊之間映射不準(zhǔn)確，嚴(yán)重影響了圖像整體的恢復(fù)效果。同時(shí)，雖然該方法圖像重建時(shí)間有明顯的縮短，但是仍然無(wú)法滿足實(shí)時(shí)圖像超分辨的要求。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提出一種基于軟閾值編碼的快速圖像超分辨方法，以在圖像超分辨重建中，能夠去除振鈴和塊效應(yīng)這些人工痕跡，圖像邊緣銳化明顯，最終超分辨結(jié)果更加真實(shí)自然，同時(shí)該發(fā)明大大減少了圖像超分辨的時(shí)間，達(dá)到了實(shí)時(shí)圖像超分辨的目的。

本發(fā)明的具體步驟如下：

(1)輸入待處理的低分辨圖像：

輸入一幅待處理的低分辨圖像，設(shè)定待處理的低分辨圖像的放大倍數(shù)為3；

(2)得到待處理的低分辨圖像塊集：

對(duì)待處理的低分辨圖像進(jìn)行大小為3×3像素的分塊，相鄰塊之間重疊1個(gè)像素，得到待處理的低分辨圖像塊集；

(3)得到高和低分辨訓(xùn)練圖像塊集：

(3a)輸入5幅高分辨訓(xùn)練圖像，進(jìn)行大小為9×9像素的分塊，相鄰塊之間重疊3個(gè)像素，得到Y(jié)個(gè)高分辨訓(xùn)練圖像塊，其中200000≤Y≤300000；

(3b)輸入5幅低分辨訓(xùn)練圖像，進(jìn)行大小為3×3像素的分塊，相鄰塊之間重疊1個(gè)像素，得到Y(jié)個(gè)低分辨訓(xùn)練圖像塊，其中200000≤Y≤300000；

(3c)從Y個(gè)高分辨訓(xùn)練圖像塊中隨機(jī)抽取10萬(wàn)個(gè)高分辨訓(xùn)練圖像塊，相應(yīng)地從Y個(gè)低分辨訓(xùn)練圖像塊相同位置隨機(jī)抽取10萬(wàn)個(gè)低分辨訓(xùn)練圖像塊，得到高分辨訓(xùn)練圖像塊集和低分辨訓(xùn)練圖像塊集；

(4)計(jì)算高和低分辨字典：

(4a)輸入高分辨訓(xùn)練圖像塊集和低分辨訓(xùn)練圖像塊集，利用K-SVD的方法來(lái)初始化高分辨字典和低分辨字典；

(4b)利用梯度下降的方法，按照下式，求解高分辨字典和低分辨字典：

其中，min{·}表示最小化操作，H表示高分辨訓(xùn)練圖像塊集，B表示待求解的高分辨字典，S_θ(·)表示輸入為A^TL的軟閾值函數(shù)，θ表示閾值參數(shù)，θ＝0.02，A表示待求解的低分辨字典，T表示轉(zhuǎn)置操作，L表示低分辨訓(xùn)練圖像塊集，表示矩陣的弗羅貝尼烏斯范數(shù)；