[发明专利]基于改进的稀疏表示的图像超分辨率方法

说明书

技术领域

本发明涉及一种图像超分辨率方法，特别涉及一种采用稀疏表示进行处理和分析图像的基于改进的稀疏表示的图像超分辨率方法。

背景技术

图像超分辨率技术旨在克服成像传感器固有的分辨率等物理特征的限制，将低分辨率图像转成高分辨率图像，从而带来更好的视觉体验。

提高图像分辨率的方式有两种，一种是直接改进成像系统的硬件设备，另外一种是采用信号处理的方法。目前，从物理光学理论上来说，传感器的制造工艺技术已经达到了极限水平，可以获得硬件提供的极限分辨率。此外，高成本的高精度传感器也驱使我们寻找其他解决方案。

随着图像处理技术以及信号处理理论的不断发展，出现了采用一幅或多幅同一场景的低分辨率图像，结合图像表示和特征分析等技术进行图像超分辨率的方法，这些方法具有成本低、灵活性强的特点。

图像超分辨率是图像处理领域的一个热门研究领域，自1984年Huang和Tsai首次提出利用多帧序列低分辨率图像来重构高分辨率图像，发展到如今先进的基于稀疏表示的图像超分辨率方法，人们一直致力于探讨既可以得到更好效果，又能用于实时处理的方法。

但是，现阶段的方法主要是基于学习的方法，该类方法的关键在于图像表示的特征以及先验模型，直接影响着图像的边缘和纹理效果，以及法的处理效率。

因此，特别需要一种基于改进的稀疏表示的图像超分辨率方法，以解决上述现有存在的问题。

发明内容

本发明的目的在于提供一种基于改进的稀疏表示的图像超分辨率方法，针对现有技术的不足，可以获得较好的边缘和纹理效果，以及具有不错的处理效率。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于改进的稀疏表示的图像超分辨率方法，其特征在于，它包括如下步骤：

（1）训练阶段

1）图像样本采集，通过摄像机采集大量的高分辨率图像，包括建筑物、动物、花草、人等；

2）图像特征提取，首先，对采集到的高和低分辨率图像样本随机提取一对图像块作为图像特征；然后，根据所设定的实验偏差阈值对图像特征进行裁剪，保留信息量大的图像特征；最后，对图像特征进行归一化处理；

3）图像特征分类，根据上述步骤中得到的图像特征进行分类，使每一类更具有结构性，并保存所有的聚类中心值；

4）训练超完备字典，根据上述步骤中得到的各类特征，采用稀疏编码训练得到相等类别的子字典，并与上述步骤中得到的聚类中心值合并成为一个整体的超完备字典；

（2）重构阶段

1）预处理，对待测低分辨率图像应用双三次插值法升采样得到目标寸大小的图像，并将图像转化为YCbCr格式；

2）图像块特征提取，以重叠块的方式提取低分辨率图像的图像块特征，根据上述步骤得到的聚类中心值确定该特征属于哪一类特征，同时也保存该图像块的平均像素值；

3）稀疏编码，根据上述步骤中得到的各类特征选择对应类的低分辨率子字典进行稀疏编码求得稀疏表示系数，结合高分辨率子字典得到高分辨率的图像块特征，并与上述步骤中保存的对应图像块的平均像素值相加得到最终的高分辨率图像块；

4）全局优化：首先，将上述步骤中得到的所有高分辨率图像块按对应位置叠加后取平均值；然后，与上述步骤中得到的Cb和Cr通道合并转化为原来的图像格式；最后，利用迭代反向投影法进行全局优化后，输出结果图像。

在本发明的一个实施例中，在上述训练阶段的步骤2）中，所述低分辨率图像是再次经过对步骤1）中的低分辨率图像进行双三次插值升采样得到的。

在本发明的一个实施例中，所述图像特征分别包括边缘特征和纹理特征，首先，对高分辨率图像块利用Canny算法提取二值边缘图像，对低分辨率图像求一阶和二阶导得到四幅梯度图像；然后，以图像块中心点是否为边缘像素为基准，分别得到边缘图像块和纹理图像块。

在本发明的一个实施例中，低分辨率图像提取的是梯度特征，高分辨率图像提取的是图像块像素减去其平均像素值的值。

在本发明的一个实施例中，所述实验偏差阈值设定为10，若图像块征大于该阈值，则保留，否则丢弃。

在本发明的一个实施例中，在上述训练阶段的步骤3）中，所述特征分类过程包括：首先，对低分辨率图像特征进行分类，并得到各类的聚类中心值；然后，根据已经分好类的低分辨率图像特征，以对号入座的方式对高分辨率图像特征进行分类；