[發明專利]一種基于聚類回歸的圖像超分辨方法

有效

• 申請號: 202010094638.1
• 申請日: 2020-02-16
• 公開（公告）號: CN111340697B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 張凱兵;崔琛;李敏奇;景軍鋒;劉薇;盧健;陳小改
• 申請（專利權）人: 浙江昕微電子科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06V10/762
• 代理公司: 深圳立專知識產權代理有限公司 441000
• 代理人: 黃佳

本發明公開了一種基于聚類回歸的圖像超分辨方法，具體按照以下步驟實施：步驟1、選取低分辨圖像中能夠反映像素相似結構的信息特征；步驟2、利用超像素分割算法將步驟1選取的信息特征進行聚類分割，將圖像分割成K類；步驟3、分別學習步驟2得到的K類的每個類的字典；步驟4、確定最優基向量；步驟5、基于步驟4選出的最優基向量，通過非局部字典回歸模型來估計高分辨像素；步驟6、將步驟5估計的高分辨像素回歸轉化成全局優化統一的正則項；步驟7、迭代優化高分辨圖像，并輸出該圖像。本發明通過學習低分辨率圖像一組局部字典的結構規律，使圖像的細節和邊緣更加清晰，再通過正則化項解決超分辨重建問題。

技術領域

本發明屬于計算機視覺技術領域，涉及一種基于聚類回歸的圖像超分辨方法。

背景技術

圖像超分辨重建是計算機視覺領域最重要的研究課題之一。目前，受設備有限的成像能力和復雜的成像環境等因素的影響，得到的圖像質量通常較差，不能滿足實際應用中高分辨應用要求。在過去的幾十年中，人們提出了許多不同的超分辨圖像重建方法。根據重建的原理不同大體可以分為以下三種類型：基于插值的圖像超分辨算法、基于重構的圖像超分辨算法和基于實例學習的圖像超分辨算法。

基于插值的圖像超分辨算法是最早提出的算法，也是原理最簡單，計算復雜度最低的重建算法。該類算法主要利用圖像區域內的已知像素，通過固定的基函數或插值核估計出高分辨網絡中的未知像素。常見的插值方法有最近鄰插值、雙線性插值、雙三次插值。盡管插值的方法簡單、高效，便于使用。但對于圖像邊緣部分，插值后鋸齒現象明顯，生成的圖像通常滿足不了實際應用要求。

基于重構的圖像超分辨算法是通過圖像的退化模型來約束高分辨?(High-Resolution，簡稱HR)、低分辨(Low-Resolution，簡稱LR)之間的一致性進而估計出高分辨率圖像。圖像退化模型如圖1所示。由于一幅低分辨率圖像可以對應于多幅高分辨率圖像，因此圖像超分辨重建問題是一個病態問題。從正則化的理論角度來說，圖像退化模型是一個高復雜度模型。單從退化模型得到的解是不穩定，故需要借助圖像的先驗正則實現超分辨問題的穩定解。早期，研究者主要從頻域著手，消除頻譜重疊。頻域方法的主要優點是理論簡單，便于并行實現。但在處理實際中更加復雜的退化模型時能力有限，而且很難使用空域中的先驗知識實現正則化求解，不利于實際應用。為了克服這些困難，擺脫頻域算法的局限，人們提出了許多基于空域的算法。代表性的方法有：非均勻插值法、最大似然法(Maximum?Likelihood,ML)、凸集投影法(Projection?Onto?Convex?Sets,POCS)、最大后驗法(Maximum?A?Posteriori，MAP)、迭代方向投影法(Iterative?back-projection,IBP)。基于重建的方法運用了先驗知識來正則化重建過程，沒有使用樣本圖像通過訓練得到先驗，所以這類方法的優點是簡單、計算量低，但無法處理自然圖像中復雜圖像結構。