[发明专利]压缩视频超分辨率重建中构建代价函数的方法

说明书

技术领域

本发明涉及一种构建代价函数的方法，具体地说是一种压缩视频超分辨率重建方法构建代价函数的方法，属于视频图像处理领域。

背景技术

超分辨率重建技术是在现有成像设备和成像条件的基础上，利用质量较差、分辨率较低的单帧或多帧离散图像，或多组视频序列重建出质量更好、分辨率更高的离散图像或视频数据。由于当前大多视频均为压缩类型，而压缩产生的量化噪声是相对于非压缩视频的主要降质原因。因此在面向压缩视频的超分辨率重建时，构建包含精确量化噪声模型的代价函数具有重要意义。

在目前已有的方法中，通过在一个DCT域MAP的代价函数中假设量化噪声(频域)和加法噪声(空域)均服从正态分布，将加法噪声模型从空域变换到频域，得到一个包括量化噪声和加法噪声的频域联合噪声模型(Bahadir K.Gunturk，Yucel Altunbasak，Super-Resolution Reconstruction of Compressed VideoUsing Transform Domain Statistics，IEEE Tran.Image Processing，vol.13，no.1，January 2004)，但是这种方法由于没有考虑量化前系数分布对量化噪声的影响，其量化噪声的计算并不精确。此外还有提出一种基于自适应量化噪声矩阵的超分辨率重建算法，该算法对于空域量化噪声也采用高斯模型，对于频域量化噪声则给出了一种根据量化前系数计算频域量化噪声矩阵的方法，使得该矩阵能够根据量化前系数的特征进行自适应调整(S.C.Park，M.G.Kang，C.A.Segall，and A.K.Katsaggelos，Spatially adaptive high-resoltuion imagereconstruction of low-resolution dct-based compressed images，IEEE Trans.Image Processing，vol.13，no.4，pp.573-585，April 2004)。该算法考虑了量化前系数对于量化噪声的影响，相对于原有算法可以更精确地计算量化噪声。但是这种方法没有考虑重建过程中的高分辨率图像在迭代过程中存在较大估计误差，它会对量化前系数造成影响，因此仍然难以精确地对压缩视频超分辨率重建过程建模。

发明内容

本发明的目的在于克服上述现有技术之不足而提供一种基于双域双变量的压缩视频超分辨率重建代价函数。

本发明的技术方案包括以下步骤：

(1)将MAP重建代价函数分为A(Z，λ)，B(Z，λ)，C(Z)三项。其中Z为高分辨率图像，参数λ是量化前DCT系数分布参数；A(Z，λ)是考虑了量化噪声后的重建误差项，B(Z，λ)是利用量化系数分布特性形成的正则约束项，C(Z)是一般MAP重建正则项，MAP重建代价函数为J(Z，λ)＝A(Z，λ)+B(Z，λ)+C(Z)；

(2)根据量化步长q和量化后系数y_q，计算间隔[-q/2，+q/2]内的单个量化噪声方差的模型k，并将其作为矩阵元素构建构建量化噪声矩阵K_λ；

(3)根据计算的量化噪声模型，建立包含量化噪声的重建误差项A(Z，λ)；

(4)对高分辨率图像Z进行降质，并进行DCT变换，得到图像y’；

(5)计算图像y’的量化前DCT系数的方差表示σ_Y²，并根据量化前的DCT系数分布特性进行概率统计，估算出y’所对应的分布系数λ′的方差表示λ′²；

(6)根据||λ′²-λ²||最小化，建立量化噪声正则约束项B(Z，λ)；

(7)将构建的重建误差项和正则约束项代入(1)中已建立的MAP代价函数中，形成具有空域系数Z和频域系数λ的双域双变量代价函数。