[發明專利]一種基于多級稀疏字典學習的圖像超分辨率方法

有效

• 申請號: 201910342711.X
• 申請日: 2019-04-26
• 公開（公告）號: CN110211037B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 楊欣;朱晨;謝堂鑫;周大可;吳臣桓
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T11/00;G06T17/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 姜慧勤

1.一種基于多級稀疏字典學習的圖像超分辨率方法，其特征在于，包括如下步驟：

步驟1，根據原始高分辨率圖像，建立用于多級稀疏字典學習的低分辨率圖像訓練集；具體過程如下：

1.1提取原始高分辨率圖像的亮度通道，基于雙三次插值得到與原始高分辨率圖像同尺寸的退化圖像，并提取退化圖像的一階及二階梯度特征；

1.2拼接一階及二階梯度特征為高維特征列向量，并將所有高維特征列向量合并為一個訓練矩陣Y；

1.3基于主成分分析法對訓練矩陣Y進行降維處理，得到低分辨率圖像訓練集的尺寸為M*T，M為高維特征列向量的維度，T為高維特征列向量的個數；

步驟2，利用低分辨率圖像訓練集訓練低分辨率多級稀疏字典，且每一級子字典的原子個數根據最小描述長度策略自適應確定，并根據廣義逆計算高分辨率多級稀疏字典；

所述利用低分辨率圖像訓練集訓練低分辨率多級稀疏字典，其訓練模型為：

其中，Ψ_l表示低分辨率多級稀疏字典的第l級子字典，A_l表示高分辨率多級稀疏字典的第l級稀疏表示系數矩陣，Y_l-1表示第l-1級的樣本殘差，a_l,i表示第l級稀疏表示系數矩陣的第i個原子；且Y_l-1、Ψ_l及A_l之間的關系如下：

Y_l-1＝Ψ_lA_l+Y_l,for?l＝1,...,L

其中，L為低分辨率多級稀疏字典的最大級別數，L與第1級稀疏表示系數矩陣中非零系數的數目相等；

第l級的樣本殘差Y_l選取原則如下：

其中，y_l-1,i表示Y_l-1的第i個原子，ε為目標誤差，從Y_l-1中選取大于目標誤差ε的原子構成下一級Y_l；

所述每一級子字典的原子個數根據最小描述長度策略自適應確定，公式為：

其中，K_l表示第l級字典原子數目，表示第l級樣本方差；

所述根據廣義逆計算高分辨率多級稀疏字典，模型如下：

其中，Φ_l表示高分辨率多級稀疏字典的第l級子字典，P表示從原始高分辨率圖像提取的圖像塊矩陣；

步驟3，對輸入的待重建低分辨率圖像，基于雙三次插值變換為目標高分辨率尺寸的退化圖像，并提取該退化圖像的一、二階梯度特征，根據一、二階梯度特征得到待重建低分辨率圖像的特征矩陣，求解特征矩陣對應的低分辨率多級稀疏字典每一級的稀疏表示系數；

步驟4，根據步驟3求得的稀疏表示系數，對應得到高分辨率多級稀疏字典每一級的稀疏表示系數，根據高分辨率多級稀疏字典與高分辨率多級稀疏字典每一級的稀疏表示系數，計算得到高分辨率圖像塊，并將高分辨率圖像塊融合得到高分辨率重建圖像。

2.根據權利要求1所述基于多級稀疏字典學習的圖像超分辨率方法，其特征在于，步驟3所述求解特征矩陣對應的低分辨率多級稀疏字典每一級的稀疏表示系數，公式為：

其中，z_l,i表示第l級輸入第i個向量，Ψ_l表示低分辨率多級稀疏字典的第l級子字典，α_l,i表示z_l,i對應的稀疏表示系數。