[發(fā)明專利]基于多特征學(xué)習(xí)的超分辨圖像重建方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811469738.7
• 申請日: 2018-11-28
• 公開（公告）號: CN109559278B
• 公開（公告）日: 2019-08-09
• 發(fā)明（設(shè)計）人: 遲靜;戰(zhàn)玉麗;葉亞男;高珊珊;于志平
• 申請（專利權(quán)）人: 山東財經(jīng)大學(xué)
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T7/13;G06T7/40
• 代理公司: 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 黃海麗

1.基于多特征學(xué)習(xí)的超分辨圖像重建方法，其特征是，包括：

步驟(1)：獲取圖像高頻信息：對原始輸入圖像進(jìn)行降采樣處理得到中間圖像；對中間圖像進(jìn)行插值放大處理得到低分辨率圖像，對輸入圖像和低分辨率圖像進(jìn)行分塊作差得到高頻信息圖像；對高頻信息圖像進(jìn)行奇異值閾值化處理，去除高頻信息圖像的偽像素，得到有效高頻信息圖像；

步驟(2)：高低分辨率圖像的特征關(guān)系訓(xùn)練：

對輸入圖像進(jìn)行插值放大處理得到高分辨率圖像；

從低分辨率圖像中提取圖像的第一梯度特征和第一像素特征；

從高分辨率圖像中提取圖像的第二梯度特征和第二像素特征；

基于K鄰近搜索算法對第一像素特征和第二像素特征進(jìn)行處理，得到像素特征映射關(guān)系R1；基于像素特征映射關(guān)系R1對原始輸入圖像進(jìn)行處理，得到包含高頻信息的放大圖像HI；

基于K鄰近搜索算法對第一梯度特征和第二梯度特征進(jìn)行處理，得到梯度特征映射關(guān)系R2；基于梯度特征映射關(guān)系R2對有效高頻信息圖像進(jìn)行處理，得到初始重建圖像HB；

步驟(3)：對初始重建圖像HB和包含高頻信息的放大圖像HI對應(yīng)位置的像素值進(jìn)行分塊疊加，得到結(jié)果圖像HH。

2.如權(quán)利要求1所述的方法，其特征是，對輸入圖像和低分辨率圖像進(jìn)行分塊作差得到高頻信息圖像的具體步驟為：

設(shè)置一個3×3的窗口，窗口的步長是1；窗口沿著輸入圖像的行每次滑動一格，窗口內(nèi)圖像塊的所有像素點像素值設(shè)置為一個行向量；當(dāng)前行滑動結(jié)束后，就開始下一行從左到右的滑動，在滑動的過程中，窗口區(qū)域一直處在圖像內(nèi)部；直至窗口在整個輸入圖像中滑動完畢；隨著窗口在輸入圖像上滑動，窗口將輸入圖像劃分為若干個行向量；

同理，窗口沿著低分辨率圖像的行每次滑動一格，窗口內(nèi)圖像塊的所有像素點像素值設(shè)置為一個行向量；隨著窗口在低分辨率圖像上滑動，窗口將低分辨率圖像劃分為若干個行向量；

分塊作差，就是輸入圖像的行向量與低分辨率圖像的對應(yīng)圖像塊的行向量進(jìn)行作差；

作差后得到的每個行向量的差值即為高頻信息圖像的對應(yīng)窗口的像素值，根據(jù)窗口的像素值，得到高頻信息圖像。

3.如權(quán)利要求1所述的方法，其特征是，對高頻信息圖像進(jìn)行奇異值閾值化處理，去除高頻信息圖像的偽像素，得到有效高頻信息圖像的具體步驟為：

步驟(101)：對高頻信息圖像B_m*n進(jìn)行奇異值分解，其中，m表示圖像B的行數(shù)，n表示圖像B的列數(shù)，得：

其中，U是m*m的正交矩陣，V是n*n的正交矩陣，Σ＝diag(λ₁,λ₂,...,λ_m)，其中，λ_i是矩陣B的第i個奇異值，i＝1,2...,m，λ₁≥λ₂≥λ₃...≥λ_m≥0；

步驟(102)：利用設(shè)定閾值τ對奇異值矩陣閾值化，去除高頻信息圖像的偽像素，獲取有效高頻信息，如果圖像B的所有奇異值均滿足λ_i＞τ，則λ′_i＝λ_i-τ；如果圖像B的所有奇異值均滿足λ_i≤τ，則λ′_i＝0；其中，i＝1,2,...,m；λ_i表示圖像B的第i個奇異值；λ′_i表示圖像B的第i個奇異值被閾值化后的奇異值；即:Dτ＝diag{λ′_i}，Dτ表示B對應(yīng)的有效奇異值矩陣；

步驟(103)：重建有效高頻信息圖像：利用得到的有效奇異值矩陣Dτ重建有效高頻信息圖像B'。