[发明专利]一种超分辨率图像重构的方法

权利要求书

1.一种超分辨率图像重构的方法，其特征在于，该方法通过将训练集进行分类，并通过辨识输入的低分辨率图像块的类型，根据图像块的类型进行领域嵌套，最终重构出高分辨率的图像；具体步骤如下：s1训练集的生成以及训练集的特征表示；s2训练集分类模块；s3低分辨率图像块归类模块；s4高分辨率图像块重构模块；s5高分辨率图像的合成。

2.如权利要求1所述的方法，其特征在于，s1的具体实施流程为：1a)对于训练图像对，将其分割成一系列的图像块集合，且相邻图像块之间有重叠；1b)选取滤波器f₁=[-1，0,1]，f₂＝f₁′，f₃=[1，0,-2,0,1]，f₄=f₃′，用此4个滤波器对每个训练块进行滤波提取特征，最终得到每个训练块的特征向量。

3.如权利要求1所述的方法，其特征在于，s2的实施过程中，从s1中得到的训练集，针对训练集中的低分辨率图像块，利用K-means算法，将训练集分成6类M1，M2，M3，M4，M5，M6，并计算出每个聚类的中心值u1，u2，u3，u4，u5，u6。

4.如权利要求1或3所述的方法，其特征在于，s3的具体实施

流程为：

3a)对于输入的低分辨图像，用图6中的分块规则对其进行分块，且每个图像块的大小选择为3*3；

3b)选取滤波器f₁=[-1，0,1]，f₂＝f₁′，f₃=[1，0,-2,0,1]，f₄＝f₃′，用此4个滤波器对每个图像块进行滤波提取特征，最终得到每个图像块的特征向量；

3c)对于任意一个图像块q，分别计算其特征向量与s2中得到的6个聚类中心值u1，u2，u3，u4，u5，u6的距离：d1,d2,d3,d4,d5,d6；若di(1≤i≤6)为其中的最小值，则图像块q属于第i类。

5.如权利要求4所述的方法，其特征在于，在s4中对于每个高分辨率图像块Q具体的操作为：

4a)在输入的低分辨率图像中找到与其对应的图像块q；

4b)若q属于第i类，则确定搜索空间为Mi，在Mi中找出与q最接近的R个向量，记为N＝{N₁,N₂,...,N_R}；

4c)通过使得重构误差最小，从而得到权值向量w＝{w₁,w₂,...,w_R}，因此权值向量可以用如下公式来表示，且对于下面的公式的求解，采用最小二乘法，

W=argminWϵ]]>

=argminW||λi(Lt)-Σi=1kwiNi||2]]>

=argminW||λi(Lt)-WTN||2]]>

4d)找出与N对应的高分辨率训练图像块集合P，通过权值向量W和集合P的线性组合计算出重构的高分辨率图像块Q；

4e)重复步骤4a)到步骤4b)，直至所有遍历完所有高分辨率图像块。

6.如权利要求4所述的方法，其特征在于，将s4中重构出的所有的高分辨图像块进行拼接，重叠的部分进行平均处理，从而得到最终的高分辨率图像。