[发明专利]单幅图像超分辨重建方法

说明书

技术领域

本发明涉及一种图像超分辨重建方法，特别涉及一种单幅图像超分辨重建方法。

背景技术

高分辨率的图像在刑事侦察、行为监视、目标识别、医学影像处理等方面都有重要的应用价值。在不改变已有图像传感器和成像设备的前提下，利用超分辨重建的方法提高图像的分辨率具有非常重要的意义。现有的单幅图像超分辨重建的方法主要有：基于插值的方法、基于流形学习的方法，基于稀疏编码的方法以及基于自相似图像块的方法。

文献“基于局部约束线性编码的单帧和多帧图像超分辨率重建，吉林大学学报(工学版)，2013，Vol.43，p365-371”公开了一种利用局部约束线性编码(LLC)进行单帧图像超分辨重建的方法。此方法对传统的稀疏编码进行了改进。首先依据一个高分辨率图像集提取大量图像块，训练出成对的高分辨率和低分辨率词典，然后根据低分辨率词典对输入的低分辨率图像用LLC方法进行编码，再依据高分辨率词典及编码系数初步重建高分辨率图像，最后添加全局约束重建高分辨率图像。由于图像降质造成的高低分辨率图像对应模式的不确定性，这种方法需要预先提取的大量图像块对中包含与需要超分辨的图像块极其相似的模式，如果不满足要求，仅仅利用LLC方法对低分辨率图像进行编码，必然造成重建的高分辨率图像产生模糊、块效应等影响图像质量的现象出现，因此文献提供的方法有很大的局限性。

发明内容

为了克服现有图像超分辨重建方法图像重建精度低的不足，本发明提供一种单幅图像超分辨重建方法。该方法首先利用大量高分辨图像提取高/低分辨率的图像块对作为字典，然后根据输入的图像块选取字典中的低分辨率图像块进行变形场的计算，进而对字典中对应的高分辨图像块进行变形。通过局部约束和全局约束得到最终的高分辨图像。本发明利用可变形的图像块，大大增强了字典的表述能力，进而提高了最终的重建效果。在选取30000个7×7个图像块对作为字典，图像块提取步长取为s＝1时，对256×256的标准测试图像Lena图像进行放大倍数为3的超分辨重建时，能够达到PSNR＝31.53的重建精度，高于文献中PSNR＝29.68的重建精度。

本发明解决其技术问题所采用的技术方案是：一种单幅图像超分辨重建方法，其特点是包括以下步骤：

步骤一、建立单幅图像超分辨重建降质模型为：

Y＝SHX+n  (1)

其中，Y为观测到的低分辨率图像，X为需要估计的高分辨率图像，H为模糊矩阵，S为降采样矩阵，n为噪声矩阵。假设Ω＝{(i_k，j_k，t_k)}^N是从200幅图像中随机抽取的N个图像块的中心位置集合，k＝1，...，N是Ω中元素的索引，(i_k，j_k，t_k)代表第t_k幅图像第i_k行j_k列的位置，t_k∈{1，...，200}，那么得到高低分辨率图像块对作为字典：

其中，D_h为字典的高分辨率部分，D_l为字典的低分辨率部分。D_hk和D_lk表示其中的第k列。为高分辨图像集中的第t_k幅图像。代表提取图像中中心为(i_k，j_k)的固定大小为p×p的图像块并将其拉伸为列向量。SH为图像的降采样过程，为图像的上采样过程，这两个过程均使用三次插值方法实现，得到的字典D_h和D_l均为p²×N的矩阵，对应的相同列的列向量取自同一幅高分辨图像和相应的模糊低分辨图像的同一位置。Nor表示对所得到的向量进行归一化：