技術(shù)特征：

1.一種基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：包括如下步驟：

(1)QR Code二維碼圖像特征的提取，包括紋理特征、邊緣梯度特征，及水平和垂直兩個二階梯度特征，組成低分辨圖像塊的特征，構(gòu)成特征抽取器；

(2)學習字典的訓練，包括構(gòu)成字典的訓練樣本集、采用字典學習算法得到高、低分辨率字典；

(3)生成高分辨QR Code二維碼圖像的初始估計，包括輸入待處理的低分辨QR Code二維碼圖像、求解圖像的稀疏系數(shù)，及生成高分辨率圖像塊并合成初始估計的高分辨率圖像；

(4)全局約束得到最終的高分辨率QR Code二維碼圖像。

2.根據(jù)權(quán)利要求1所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：所述步驟(1)QR Code二維碼圖像特征的提取，具體步驟如下：

101步，采用LBP算子提取QR Code二維碼圖像的紋理特征；

102步，采用Kirsch算子提取QR Code二維碼圖像的邊緣梯度特征；

103步，選擇水平和垂直兩個二階梯度作為另外兩個圖像特征；

104步，所述兩個二階梯度和紋理、邊緣特征，共同組成低分辨圖像塊的特征，構(gòu)成特征抽取器。

3.根據(jù)權(quán)利要求2所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：所述LBP算子為：

$LBP(x_c,y_c)=\underset{p=0}{\overset{p-1}{\mathrm{\Σ}}}s(g_p-g_c)2^p,$

$s\left(x\right)=\left\{\begin{array}{cc}1& x\≥0,\\ 0& x\<0,\end{array}\right.$

其中，(x_c,y_c)為窗口中心點坐標，g_c為中心點灰度值，p為窗口內(nèi)除中心點外其余點的個數(shù)；

所述Kirsch算子為其0°,45°,90°,135°,180°,225°,270°,315°八個方向卷積核作用于圖像塊的結(jié)果；

所述兩個二階梯度算子為：

H₁＝[1,0,-2,0,1],

H₂＝[1,0,-2,0,1]^T.。

4.根據(jù)權(quán)利要求1所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：所述步驟(2)學習字典的訓練的具體步驟如下：

201步，采集高分辨QR Code二維碼圖像，作為訓練集；

202步，將所述訓練集中的高分辨圖像下采樣得到相應(yīng)的低分辨圖像，經(jīng)插值放大和特征提取后，得到低分辨圖像特征塊，與對應(yīng)的高分辨圖像塊構(gòu)成字典的訓練樣本集；

203步，對所述訓練集中的高分辨圖像塊和低分辨圖像塊進行稀疏編碼，聯(lián)合這兩個目標函數(shù)，使其統(tǒng)一到同一個稀疏編碼框架中；

204步，采用字典學習算法求解203步中目標函數(shù)的最優(yōu)解，得到高、低分辨率字典。

5.根據(jù)權(quán)利要求4所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：所述步驟203中，對高、低分辨率圖像塊分別進行稀疏編碼是通過如下公式實現(xiàn)的：

$D_L={\min }_{\{D_L,\mathrm{\α}\}}\left|\right|X^L-D_L\mathrm{\α}|{|}_2^2+\mathrm{\μ}|\left|\mathrm{\α}\right|{|}_1,$

$D_H={\min }_{\{D_H,\mathrm{\α}\}}\left|\right|Y^H-D_H\mathrm{\α}|{|}_2^2+\mathrm{\μ}|\left|\mathrm{\α}\right|{|}_1,$

其中，α是對低分辨率圖像塊X^L和高分辨率圖像塊Y^H的稀疏表示，D_L和D_H分別是X^L和Y^H的訓練字典，μ為正則化參數(shù)；

將X^L和Y^H的稀疏表示統(tǒng)一到同一個編碼框架中，即為：

${\min }_{\{D_c,\mathrm{\α}\}}\left|\right|X_c-D_c\mathrm{\α}|{|}_2^2+\mathrm{\ω}|\left|\mathrm{\α}\right|{|}_1,$

$X_c=\left[\begin{array}{c}\frac{1}{\sqrt{M}}{Y}^H\\ \frac{1}{\sqrt{N}}{X}^L\end{array}\right],D_c=\left[\begin{array}{c}\frac{1}{\sqrt{M}}{D}^H\\ \frac{1}{\sqrt{N}}{D}^L\end{array}\right],\mathrm{\ω}=(\frac{1}{N}+\frac{1}{M})\mathrm{\μ},$

其中，M和N分別表示向量形式下高、低分辨率圖像特征塊的維數(shù)。

6.根據(jù)權(quán)利要求4所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：所述步驟204中，采取字典學習算法求解的具體方法為：先固定D_C，采用OMP算法求解稀疏表示系數(shù)α，再固定求解出來的α，采用K-SVD算法計算D_C的最優(yōu)解，不斷重復(fù)，直至收斂。

7.根據(jù)權(quán)利要求1所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：所述(3)生成高分辨QR Code二維碼圖像的初始估計，具體步驟如下：

301步，對輸入的待處理的低分辨QR Code二維碼圖像進行分割，從左上角起依次選取大小為5×5的圖像特征塊，并要保證圖像特征塊之間有重疊；

302步，根據(jù)稀疏表示理論，計算出每一個低分辨率特征塊稀疏表示的最優(yōu)估計值，即稀疏表示系數(shù)α；

303步，利用高分辨率字典和稀疏系數(shù)，得到對應(yīng)的每一個高分辨率圖像塊；

304步，合成初始估計的高分辨率圖像。

8.根據(jù)權(quán)利要求7所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：步驟302中，求解稀疏系數(shù)是通過如下公式實現(xiàn)的：

$min\left|\right|{\mathrm{FD}}_L\mathrm{\α}-Fx|{|}_2^2+\mathrm{\μ}|\left|\mathrm{\α}\right|{|}_1,$

其中，F(xiàn)為所述步驟(1)中所述的特征抽取器；

求解出稀疏系數(shù)α后，即可通過y＝D_Hα來生成步驟303中的高分辨率圖像塊。

9.根據(jù)權(quán)利要求1所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：所述(4)得到最終的高分辨率QR Code二維碼圖像，具體步驟如下：

401步，考慮低分辨率圖像的實際成像過程，建立對重建的高分辨率圖像的全局約束；

402步，通過反向投影算法計算最終的高分辨率QR Code二維碼圖像。

10.根據(jù)權(quán)利要求9所述的基于稀疏表示的QR Code圖像超分辨重建方法，其特征在于：步驟401中，考慮到圖像的實際降質(zhì)過程，施加全局約束的目標函數(shù)為：

$Y^{*}={\min }_Y\left|\right|DBY-X|{|}_2^2+c||Y-Y_0|{|}_2^2,$

其中，D表示下采樣，B表示圖像模糊，Y₀為所述(3)中得到的初始估計的高分辨圖像，Y^*即為最終重建出的高分辨QR Code二維碼圖像。