基于自適應(yīng)低秩規(guī)則化的圖像內(nèi)插系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像超分辨率技術(shù)領(lǐng)域，具體是涉及一種基于自適應(yīng)低秩規(guī)則化的圖 像內(nèi)插系統(tǒng)及方法。
【背景技術(shù)】
[0002] 圖像超分辨率旨在由低分辨率圖像恢復(fù)得到高分辨率圖像，其在醫(yī)學(xué)成像、數(shù)字 攝影和計(jì)算機(jī)視覺(jué)等領(lǐng)域具有廣泛應(yīng)用。圖像內(nèi)插屬于圖像超分辨率的特殊情況，這里的 低分辨率圖像假定為對(duì)高分辨率圖像的直接下采樣結(jié)果。圖像內(nèi)插是圖像下采樣的逆過(guò) 程，其為典型的病態(tài)問(wèn)題。為了通過(guò)內(nèi)插運(yùn)算得到高質(zhì)量的高分辨率圖像，關(guān)于圖像的基本 假設(shè)和先驗(yàn)知識(shí)是必不可少的。例如，經(jīng)典的雙線性內(nèi)插（bi-linearinterpolation)和 雙三次內(nèi)插（bi-cubicinterpolation)等線性內(nèi)插方法，利用多項(xiàng)式近似從已知像素的小 局部鄰域來(lái)計(jì)算缺失的像素【參見(jiàn)文獻(xiàn)：[l]KeysR.，'Cubicconvolutioninterpolation fordigitalimageprocessing'，IEEETrans.Acoust. ,SpeechSignalProcess. , 1981, 29,（6)，pp. 1153 - 1160】。
[0003] 近年來(lái)，自然圖像具有稀疏性以及非局部相似性的先驗(yàn)已成為用于圖像恢復(fù) 的強(qiáng)有力工具，并在圖像超分辨率及圖像內(nèi)插研宄領(lǐng)域得到廣為關(guān)注【參見(jiàn)文獻(xiàn)：[2] YangJ.，WrightJ. ,HuangT.,andMaY. ,'Imagesuper-resolutionviasparse representation'，IEEETrans.ImageProcess. ,2010, 19, (11),pp. 2861 - 2873 ；[3] DongW. ,ZhangL. ,LukacR. ,andShiG. ,'Sparserepresentationbasedimage interpolationwithnonlocalautoregressivemodeling, ,IEEETrans.ImageProcess .,2013,22, (4),pp. 1382 - 1394 ； [4]RomanoY. ,ProtterM. ,andEladM.,^Singleimage interpolationviaadaptivenonlocalsparsity-basedmodeling? ,IEEETrans.Image Process.，2014, 23，（7)，pp. 3085 - 3098】。
[0004] 另外，近年來(lái)提出的低秩矩陣恢復(fù)理論，為實(shí)現(xiàn)圖像恢復(fù)奠定了新的理論基礎(chǔ) 【參見(jiàn)文獻(xiàn)：[5]E.J.Candes,X.Li,Y.Ma,andJ.Wright,'Robustprincipalcomponent analysis? 'J.ACM,vol.58,no. 3，May2011，Art.ID11】，圖像的非局部相似圖像塊組 成的數(shù)據(jù)矩陣具有良好低秩特性，為實(shí)現(xiàn)有效的圖像恢復(fù)提供了 一種新的思路【參見(jiàn) 文獻(xiàn)：[6]S.Gu，L.Zhang,W.Zuo,X，F(xiàn)eng, 'Weightednuclearnormminimizationwith applicationtoimagedenosing,' 2014IEEEConferenceonComputerVisionand PatternRecognition,pp2862_2869】〇
[0005] 然而，對(duì)于含有較豐富紋理信息的圖像塊，卻很難尋找到足夠數(shù)量的相似圖像塊， 使之具有良好的低秩性能。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是為了克服上述【背景技術(shù)】的不足，提供一種基于自適應(yīng)低秩規(guī)則化 的圖像內(nèi)插系統(tǒng)及方法，在具有相對(duì)低計(jì)算復(fù)雜度的同時(shí)，能有效提升內(nèi)插圖像的質(zhì)量。
[0007] 本發(fā)明提供一種基于自適應(yīng)低秩規(guī)則化的圖像內(nèi)插系統(tǒng)，包括初始化模塊、路由 選擇模塊、圖像濾波模塊和規(guī)則化最小均方誤差求逆模塊，圖像濾波模塊包括圖像重疊分 塊單元、圖像塊組生成單元、圖像塊平滑性檢測(cè)單元、圖像塊組自適應(yīng)低秩分解單元、圖像 塊組求平均單元，其中：路由選擇模塊有兩個(gè)輸入端、一個(gè)輸出端，圖像塊組生成單元有一 個(gè)輸入端、兩個(gè)輸出端，圖像塊組自適應(yīng)低秩分解單元有兩個(gè)輸入端、一個(gè)輸出端，規(guī)則化 最小均方誤差求逆模塊有2個(gè)輸入端、1個(gè)輸出端；
[0008] 路由選擇模塊的一個(gè)輸入端與初始化模塊的輸出端相連，路由選擇模塊的另一個(gè) 輸入端與規(guī)則化最小均方誤差求逆模塊的輸出端相連，路由選擇模塊的輸出端與圖像重疊 分塊單元的輸入端相連，圖像重疊分塊單元的輸出端與圖像塊組生成單元的輸入端相連， 圖像塊組生成單元的一個(gè)輸出端與圖像塊平滑性檢測(cè)單元的輸入端相連，圖像塊組生成單 元的另一個(gè)輸出端與圖像塊組自適應(yīng)低秩分解單元的一個(gè)輸入端相連，圖像塊平滑性檢測(cè) 單元的輸出端與圖像塊組自適應(yīng)低秩分解單元的另一個(gè)輸入端相連，圖像塊組自適應(yīng)低秩 分解單元的輸出端與圖像塊組求平均單元的輸入端相連，圖像塊組求平均單元的輸出端與 規(guī)則化最小均方誤差求逆模塊的一個(gè)輸入端相連，規(guī)則化最小均方誤差求逆模塊的另一個(gè) 輸入端與初始化模塊的輸入端一同連接到圖像內(nèi)插系統(tǒng)的輸入端，規(guī)則化最小均方誤差求 逆模塊的輸出端為圖像內(nèi)插系統(tǒng)的輸出端。
[0009] 在上述技術(shù)方案的基礎(chǔ)上，所述初始化模塊接收原始的低分辨率圖像，并采用經(jīng) 典的Bi-cubic內(nèi)插方法進(jìn)行插值運(yùn)算，生成初始高分辨圖像，送入路由選擇模塊；
[0010] 路由選擇模塊首次輸出初始化模塊送入的初始高分辨圖像，之后均輸出規(guī)則化最 小均方誤差求逆模塊送入的更新估計(jì)的高分辨率圖像；
[0011] 圖像重疊分塊單元對(duì)路由選擇模塊輸出的圖像進(jìn)行重疊分塊，得到多個(gè)存在像素 重疊的圖像塊，送入圖像塊組生成單元；
[0012] 圖像塊組生成單元對(duì)圖像重疊分塊單元送入的每一圖像塊，在其所在圖像的規(guī)定 鄰域范圍內(nèi)，尋找到一組相似圖像塊，將該圖像塊和該組相似圖像塊矢量化后，生成與該圖 像塊對(duì)應(yīng)的數(shù)據(jù)矩陣，分別送入圖像塊平滑性檢測(cè)單元、圖像塊組自適應(yīng)低秩分解單元；
[0013] 圖像塊平滑性檢測(cè)單元接收?qǐng)D像塊組生成單元送入的與圖像塊對(duì)應(yīng)的數(shù)據(jù)矩陣， 計(jì)算數(shù)據(jù)矩陣的一階灰度熵，得到對(duì)應(yīng)圖像塊的平滑性信息，送入圖像塊組自適應(yīng)低秩分 解單元；
[0014] 圖像塊組自適應(yīng)低秩分解單元根據(jù)圖像塊組生成單元送入的與圖像塊對(duì)應(yīng)的數(shù) 據(jù)矩陣、圖像塊平滑性檢測(cè)單元送入的圖像塊的平滑性信息，自適應(yīng)地對(duì)與圖像塊對(duì)應(yīng)的 數(shù)據(jù)矩陣進(jìn)行低秩矩陣分解運(yùn)算，得到數(shù)據(jù)矩陣的低秩分量，送入圖像塊組求平均單元；
[0015] 圖像塊組求平均單元對(duì)圖像塊組自適應(yīng)低秩分解單元送入的所有數(shù)據(jù)矩陣的低 秩分量進(jìn)行求平均運(yùn)算，得到路由選擇模塊送入圖像重疊分塊單元的圖像的濾波結(jié)果，送 入規(guī)則化最小均方誤差求逆模塊；
[0016] 規(guī)則化最小均方誤差求逆模塊根據(jù)圖像塊組求平均單元送入的圖像的濾波結(jié)果， 以及根據(jù)輸入的原始低分辨率圖像，得到更新估計(jì)的高分辨率圖像；再將更新估計(jì)的高分 辨率圖像送入路由選擇模塊，路由選擇模塊將高分辨率圖像送入圖像重疊分塊單元，繼續(xù) 進(jìn)行迭代運(yùn)算，達(dá)到逐漸提升輸出圖像質(zhì)量的目的。
[0017] 在上述技術(shù)方案的基礎(chǔ)上，所述圖像塊組自適應(yīng)低秩分解單元自適應(yīng)地對(duì)與圖像 塊對(duì)應(yīng)的數(shù)據(jù)矩陣進(jìn)行低秩矩陣分解運(yùn)算的過(guò)程中，通過(guò)自適應(yīng)的部分奇異值閾值實(shí)現(xiàn)， 得到數(shù)據(jù)矩陣的低秩分量。
[0018] 在上述技術(shù)方案的基礎(chǔ)上，所述規(guī)則化最小均方誤差求逆模塊得到更新估計(jì)的高 分辨率圖像的過(guò)程中，通過(guò)優(yōu)化求解規(guī)則化的輸入低分辨率圖像與輸出高分辨率圖像的下 采樣值的均方