[發明專利]一種基于改進稀疏自動編碼器的圖像超分辨率方法

在審

• 申請號: 201810871111.8
• 申請日: 2018-08-02
• 公開（公告）號: CN109146785A
• 公開（公告）日: 2019-01-04
• 發明（設計）人: 黃德天;黃煒欽;柳培忠;林炎明;張健
• 申請（專利權）人: 華僑大學;泉州市中仿宏業信息科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T9/00
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 張浠娟

本發明涉及一種基于改進稀疏自動編碼器的圖像超分辨率方法，其以訓練樣本的高頻信息為特征，分別構造高、低分辨率圖像訓練集，并通過ZCA白化技術對聯合訓練集去相關以降低其冗余性，從而提高自動編碼器的訓練效率；然后，在傳統稀疏自動編碼器的代價函數中加入構造的稀疏正則化項，獲取改進的稀疏自動編碼器，進一步加強對隱含層的稀疏性約束；接著，采用改進的稀疏自動編碼器實現無監督的聯合字典學習，以學習到更加準確和魯棒的字典；最后將學習到的字典應用于基于稀疏表示的圖像超分辨率重建框架中，實現圖像的重建，達到提高重建質量的效果。

技術領域

本發明涉及一種圖像超分辨率方法，特別是涉及一種基于改進稀疏 自動編碼器的圖像超分辨率方法。

背景技術

通常，圖像的空間分辨率越高意味著圖像細節越豐富，越有利于后 續的圖像處理、分析和理解。然而，在實際應用中，由于成像設備限制、 場景變化等退化因素，導致成像系統只能得到質量較差、分辨率較低的 圖像，不能滿足實際應用的要求。圖像超分辨率(Super Resolution,SR) 方法可以利用信號處理的方法從單幅或多幅低分辨率(LowResolution, LR)圖像重建出高分辨率(High Resolution,HR)圖像，從而提升圖像的 空間分辨率。因此SR方法在遙感、醫療、視頻監控等領域都具有重要 的應用價值。

通常，SR方法可分為3種類型：基于插值的SR方法，基于重建的 SR方法和基于學習的SR方法。其中，基于學習的SR方法，作為近年來 SR算法研究的熱點方向，是在給定訓練圖像樣本的基礎上，通過學習的 方法在HR和LR圖像塊之間建立確定的關系，然后利用這種關系從給定 的LR圖像塊重建出對應的HR圖像塊。該類方法的關鍵是，在圖像重建 過程中引入一定的圖像先驗知識作為約束條件，來恢復由于圖像降質損 失的細節信息。

基于稀疏表示的SR方法作為基于學習的SR方法中的一種，最早由 Yang等提出。Yang等利用自然圖像的稀疏性，通過字典和稀疏表示系 數的線性組合得到重建圖像，從而恢復圖像的高頻細節；在字典學習方 面，采用聯合字典學習算法對HR和LR圖像訓練樣本進行學習，使得LR 圖像塊和對應HR圖像塊分別相對于LR字典和HR字典之間的稀疏表示 系數是相似的，從而保證LR圖像塊的稀疏表示可以近似地生成HR圖像 塊。雖然該算法可以獲取充足的附加信息，恢復一定的高頻細節信息， 但是重建效果對字典具有強烈的依賴性，無法保證附加信息的準確性與 可靠性。

發明內容

有鑒于此，本發明的目的在于提供一種基于改進稀疏自動編碼器的 圖像超分辨率方法，其利用神經網絡特有的良好學習能力來實現字典學 習，通過提高字典的準確性和魯棒性來提升重建圖像的質量。

為實現上述目的，本發明采用的方案是：

一種基于改進稀疏自動編碼器的圖像超分辨率方法，其包括以下步 驟：

步驟1、以訓練樣本的高頻信息為特征，分別構造高分辨率圖像訓 練集和低分辨率圖像訓練集即HR訓練集和LR訓練集，然后對聯合訓練 集進行ZCA白化處理；

步驟2、在傳統的稀疏自動編碼器代價函數中融入構造的稀疏正則 化項，獲取改進的稀疏自動編碼器；

步驟3、采用改進稀疏自動編碼器實現無監督的聯合字典學習，得 到包含HR字典和LR字典的字典對；

步驟4、將字典對D應用于稀疏標示超分辨率重建框架中，進行圖 像超分辨率重建。

所述步驟1具體如下：

步驟1.1、對HR樣本圖像P_h下采樣，得到LR圖像P_l；然后對P_l采用 雙三次插值上采樣，得到與HR圖像相同大小的中間圖像P_m；

步驟1.2、構造HR訓練集；