一種基于高頻和中頻信息的圖像超分辨率重建方法
【專利摘要】本發(fā)明涉及一種基于高頻和中頻信息的圖像超分辨率重建方法。本發(fā)明的步驟是：首先，計(jì)算圖像的高頻信息和中頻信息。圖像高頻為原高分辨率圖像與低分辨率插值放大后圖像之間的差值，圖像中頻為插值放大后的圖像與插值放大后且經(jīng)低通濾波器輸出圖像之間的差值。其次，將圖像高頻信息和中頻信息作為訓(xùn)練樣本對(duì)，采用廣義迭代收縮方法進(jìn)行稀疏分解，獲得高、中頻分量字典對(duì)。最后，根據(jù)測(cè)試圖像對(duì)應(yīng)的中頻信息和字典對(duì)獲得圖像高頻信息，結(jié)合測(cè)試圖像插值放大結(jié)果，經(jīng)非局部相似性和反向迭代方法處理后獲得高分辨率圖像。本發(fā)明只需根據(jù)測(cè)試圖像的中頻信息重構(gòu)出高頻信息，并結(jié)合插值放大圖像即可重建出高分辨率圖像，重建圖像具有銳化的邊緣結(jié)構(gòu)。
【專利說(shuō)明】一種基于高頻和中頻信息的圖像超分辨率重建方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及一種對(duì)圖像超分辨率重建的方法，具體是一 種基于高頻和中頻信息的圖像超分辨率重建方法。

【背景技術(shù)】
[0002] 圖像超分辨率重建是指由輸入的一幅或者多幅同一場(chǎng)景的低分辨率圖像重建得 到一幅高分辨率圖像的方法，它充分利用已獲取的資源，與采用高性能硬件獲取高分辨率 圖像方法相比，具有更低的成本，在視頻監(jiān)控、醫(yī)學(xué)成像、高清視頻等各個(gè)領(lǐng)域有著廣泛的 應(yīng)用前景。
[0003] 超分辨率重建是一個(gè)典型的病態(tài)反問(wèn)題，對(duì)于只有單幀低分辨率圖像時(shí)，就轉(zhuǎn)變 成求解欠定方程的問(wèn)題。傳統(tǒng)插值方法用于重建高分辨率圖像，圖像的邊緣有鋸齒效應(yīng)，為 了改善插值性能，出現(xiàn)帶方向的插值方法，沿著邊緣方向進(jìn)行插值。為了重建視覺(jué)上令人滿 意的高分辨率圖像，許多先驗(yàn)知識(shí)被應(yīng)用到超分辨率重建中，正則化超分辨率重建具有較 好的視覺(jué)效果，經(jīng)典方法是全變分，該方法對(duì)于分段平滑的邊緣結(jié)構(gòu)能取得較好的重建結(jié) 果，但是在一些細(xì)節(jié)上會(huì)出現(xiàn)過(guò)平滑現(xiàn)象，產(chǎn)生一定的模糊。近年來(lái)，受到壓縮感知的啟示， 信號(hào)的稀疏特性可以減少信號(hào)處理的復(fù)雜度。圖像可以被字典的原子展開(kāi)成一個(gè)稀疏表達(dá) 式，其中典型的方法是通過(guò)學(xué)習(xí)獲得高低分辨率字典，對(duì)于測(cè)試的低分辨率圖像，求解其在 低分辨率字典上的稀疏表示系數(shù)，再利用高分辨率字典和該系數(shù)重構(gòu)高分辨率圖像，但是 該方法的重建圖像邊緣細(xì)節(jié)不夠豐富。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種有效的超分辨率重建方法，以改善重建圖像質(zhì)量，尤其 是圖像的邊緣結(jié)構(gòu)。
[0005] 為解決上述問(wèn)題，本發(fā)明提供的技術(shù)方案如下：
[0006] 首先，計(jì)算圖像的高頻信息和中頻信息。圖像高頻為原高分辨率圖像與低分辨率 插值放大后的圖像之間的差值，圖像中頻為插值放大后的圖像與插值放大后且經(jīng)低通濾波 器輸出圖像之間的差值。其次，分別將圖像高頻信息和中頻信息作為訓(xùn)練樣本對(duì)，然后采用 廣義迭代收縮方法進(jìn)行稀疏分解，獲得高、中頻分量字典對(duì)。最后，根據(jù)測(cè)試圖像對(duì)應(yīng)的中 頻信息和字典對(duì)獲得圖像高頻信息，結(jié)合測(cè)試圖像插值放大結(jié)果，經(jīng)非局部相似性方法處 理后獲得高分辨率圖像。
[0007] 下面給出該發(fā)明技術(shù)方案中的各個(gè)細(xì)節(jié)：
[0008] 步驟⑴計(jì)算圖像1?頻和中頻/[目息，具體是：
[0009] 將用于訓(xùn)練的低分辨率圖像Y經(jīng)bicubic插值放大后得到圖像Xb，插值圖像Xb與 原始高分辨率圖像X具有相同尺寸，圖像的高頻信息為原始高分辨率圖像X與插值放大圖 像xb之間的差值，即x h = x-xb。插值放大圖像xb經(jīng)低通濾波器Φ處理后得到低頻圖像， 低頻圖像與插值放大后圖像具有相同尺寸，圖像的中頻信息為插值放大圖像x b與低頻圖像

【權(quán)利要求】
1. 一種基于高頻和中頻信息的圖像超分辨率方法，其特征在于其包括以下步驟： 步驟（1)計(jì)算圖像高頻和中頻信息，具體是： 將用于訓(xùn)練的低分辨率圖像Y經(jīng)bicubic插值放大后得到圖像Xb，插值圖像Xb與原始 高分辨率圖像X具有相同尺寸，圖像的高頻信息為原始高分辨率圖像X與插值放大圖像Xb 之間的差值，即xh = x-xb;插值放大圖像xb經(jīng)低通濾波器φ處理后得到低頻圖像9Xb，低頻 圖像與插值放大后圖像具有相同尺寸，圖像的中頻信息為插值放大圖像xb與低頻圖像 之間的差值，即Xm = xb - 9Xb ; 步驟（2)獲得高、中頻字典對(duì)，具體如下： 訓(xùn)練字典時(shí)，采用多樣的自然場(chǎng)景圖像作為訓(xùn)練樣本圖像，提取訓(xùn)練樣本圖像的高頻 信息Xh、中頻信息Xm并進(jìn)行分塊，相鄰塊間重疊像素為《，并將獲得的高頻子塊和中頻子塊 作為訓(xùn)練樣本對(duì)，訓(xùn)練得到高頻、中頻字典； 訓(xùn)練字典時(shí)，對(duì)輸入的高頻子塊和中頻子塊進(jìn)行向量化，得到各自向量化的子塊樣本 集合，分別記為{χω}和{xmJ，其中χω表示高頻子塊，Xmi表示中頻子塊，i = 1，2…N，N為 子塊總數(shù)； 對(duì)中頻子塊樣本集合lxmi}進(jìn)行篩選，將其中方差小于閾值Λ的子塊去除，然后從高頻 子塊樣本集中刪除對(duì)應(yīng)子塊，獲得高、中頻子塊訓(xùn)練樣本矩陣xh =[xhi,xh；!，·· 和Xm ，q是樣本子塊大小，隊(duì)為新的子塊總數(shù)； 高頻、中頻字典Dh、Dm訓(xùn)練過(guò)程如下：
argmin -Da； ||^ +λ||α； ||ρ (1) jDh Dm a1 ,?=1,2·*·? , f
D e R2qXK, Dm e RqXK, Dh e RqXK ； (* = [(*,, (*2,..·，（^，…(^]，a i e RKX1, I I a J |p表示 a i 的 lp 范數(shù)，〇 彡 p 彡 l，i = 1，2... &;λ為約束系數(shù)； 迭代過(guò)程中，避免新生成的字典對(duì)D與前次生成的字典對(duì)D。有大的偏移，加入新的約 束項(xiàng)||D-DJ〖進(jìn)行優(yōu)化，μ為約束系數(shù)；新的字典對(duì)訓(xùn)練可表示為：
arg min (2) {Dh Dm a, 4=1,2--^ 采用廣義迭代收縮法進(jìn)行稀疏分解；并采用分步迭代法分別求解D和α，具體是： 1) 初始化；初始化D，循環(huán)次數(shù)k = 0,最大循環(huán)次數(shù)max, λ，μ，p ; 2) 當(dāng) k < max 時(shí)：
固定D，采用廣義迭代閾值法求解稀疏表示系數(shù)《 = [%，α2，···，％，…αΝι]; arg mir (3) ?i 固定α，求解字典對(duì)D ;
(4) 即 DT = (α ατ+μ ιΓι(Χεατ+μ^)Τ ; k = k+1，結(jié)束循環(huán)； 3)輸出 Dh、Dm; 步驟（3)重建高分辨率圖像，具體是： 高分辨率圖像重建算法如下： 輸入：低分辨率圖像L，訓(xùn)練得到的字典對(duì)Dh、Dm，約束系數(shù)η ; 1) 根據(jù)低分辨率圖像獲得bicubic插值放大后圖像Hb并提取中頻Hm，采用與訓(xùn)練階 段相同的分塊方式將H b和Hm分塊，相鄰子塊間重疊像素為w，獲得的子塊記為{hmihbi}，i = 1，2…Μ ; 2) 求解稀疏表示系數(shù)α，用廣義迭代收縮法進(jìn)行稀疏分解；
(5) 3) 重建高頻子塊； hhi = 〇hα i (6) 4) 將高頻子塊結(jié)合插值放大后圖像Hb的子塊hbi，獲得對(duì)應(yīng)的高分辨率圖像塊，即為 hhi=hhi+hbi (7) 5) 根據(jù)高分辨率圖像塊線性組合重建出高分辨圖像Η%用非局部相似性對(duì)H#進(jìn)行約 束：
(8) 上式中，s為下采樣矩陣，I為單位矩陣，N為非局部相似性矩陣，η為約束系數(shù)，采用 梯度下降法求解01; 6) 對(duì):^采用反向投影算法，重建出高分辨率圖像Η; 輸出：高分辨率圖像Η。
【文檔編號(hào)】G06T5/50GK104299193SQ201410514580
【公開(kāi)日】2015年1月21日 申請(qǐng)日期:2014年9月29日 優(yōu)先權(quán)日:2014年9月29日
【發(fā)明者】陳華華, 陳偉超, 郭春生 申請(qǐng)人:杭州電子科技大學(xué)