[發明專利]基于主動采樣和高斯混合模型的圖像超分辨重建方法

有效

• 申請號: 201710781808.1
• 申請日: 2017-09-02
• 公開（公告）號: CN107845064B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 高新波;黃源飛;何立火;路文
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T3/40
• 分類號: G06T3/40
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于主動采樣和高斯混合模型的圖像超分辨率重建方法，可用于受限設備采集圖像的超分辨率重建。其實現步驟為：(1)獲取訓練圖像塊；(2)對訓練圖像塊進行主動采樣；(3)提取聯合訓練特征向量；(4)訓練高斯混合模型；(5)獲取低分辨率測試特征向量；(6)重建高分辨率測試圖像。本發明提高了重建圖像的清晰度，尤其在重建結構輪廓、自然紋理等細節時，表現更佳。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及圖像重建技術領域中的一種基于主動采樣和高斯混合模型的圖像超分辨重建方法。本發明可應用于計算機視覺、模式識別等領域，對受限設備采集的低分辨圖像進行圖像重建。

背景技術

超分辨率重建技術是通過信號處理、機器學習、統計理論等方法，對安防監控、高清電視、醫學檢測、刑事偵查等多個領域中受限設備采集到的低分辨率圖像進行圖像重建。其中，基于實例學習的圖像超分辨率重建方法是假設低分辨率圖像與對應高分辨率圖像存在一定的映射關系，通過學習這一映射關系，并將其轉移到輸入的低分辨率特征空間來重建高分辨率圖像。

深圳市華星光電技術有限公司在其申請的專利文獻“一種圖像超分辨率重建方法”(專利申請號：201611153801.7；申請公布號：CN106780333A)中提出了一種圖像超分辨率重建方法。該方法主要通過將低分辨率特征空間和高分辨率特征空間構造成多個成對設置的低分辨率特征子空間和高分辨率特征子空間；然后在成對設置的低分辨率特征子空間和高分辨率特征子空間之間建立線性映射關系；最后根據線性映射關系將低分辨率重構圖像重構成高分辨率重構圖像。該方法存在的不足之處是，在劃分特征子空間過程中僅使用K-均值算法進行硬聚類，而且該方法在重建過程中使用的是最近鄰方法進行最優錨點搜索，如此一來，該工作就僅僅成為了一個聚類與匹配問題，而沒有考慮到圖像統計信息。

清華大學深圳研究生院與深圳市未來媒體技術研究院在其申請的專利文獻“一種圖像的超分辨率重建方法”(專利申請號：201710084743.5；申請公布號：CN106886978A)中提出了一種圖像的超分辨率重建方法。該方法主要通過計算各圖像塊的中心像素點的位置向量所對應的結構張量，然后計算該結構張量的特征值，來判斷圖像塊是否為平滑圖像塊；在圖像塊為平滑圖像塊時，將初始高分辨率圖像塊作為該圖像塊的最終高分辨率圖像塊；在圖像塊為非平滑圖像塊時，結合圖論進行重建計算，最終得到重建的高分辨率圖像。該方法存在的不足之處是，只考慮圖像自身的結構信息，而沒有引入外部訓練樣本，使得圖像的先驗細節不夠豐富，使得重建效果大打折扣。

發明內容

本發明的目的在于針對已有技術的不足，提出一種基于主動采樣和高斯混合模型的圖像超分辨率重建方法，以提升圖像重建效果。本發明與現有技術中其他圖像超分辨率重建方法相比，重建效果更佳，魯棒性更強。

本發明實現的具體步驟包括如下：

(1)獲取訓練圖像塊：

(1a)讀入待訓練的高分辨率彩色圖像，對高分辨率彩色圖像進行YCbCr空間轉化，得到YCbCr空間訓練圖像，將YCbCr空間訓練圖像的非線性亮度分量劃分成500萬個大小為9×9的高分辨率訓練圖像塊；

(1b)使用插值算法，對YCbCr空間訓練圖像的非線性亮度分量進行1/3倍下采樣，得到低分辨率尺寸的低分辨率訓練圖像，對低分辨率尺寸的低分辨率訓練圖像進行3倍上采樣，得到高分辨率尺寸的低分辨率訓練圖像，將高分辨率尺寸的低分辨率訓練圖像劃分成5000000個大小為9×9的低分辨率訓練圖像塊；

(2)對訓練圖像塊進行主動采樣：

(2a)按照下式，計算每一個低分辨率訓練圖像塊的細節差異值：