[发明专利]一种基于稀疏表示的提升图像清晰度的方法

说明书

本发明公开了一种基于稀疏表示的提升图像清晰度的方法，输入两幅源图像分别进行低秩分解；利用字典学习模型对选用的图像集进行训练；利用稀疏表示方法对低秩部分图像和稀疏部分图像进行稀疏融合，接着对低秩融合图像和稀疏融合图像分别采用正交匹配追踪算法求解得到两部分图像对应的稀疏系数；将低秩字典与求得的稀疏系数进行线性组合，得到组合后的图像；接着利用稀疏表示方法对组合后的图像进行稀疏重构，得到重构图像；接着对重构图像采用正交匹配追踪算法求解得到稀疏系数；把得到的稀疏系数与两个字典进行稀疏表达得到融合图像。本发明不管是从主观视觉上还是客观评价指标上来看实验结果，本发明的融合结果明显优于其他传统的方法。

技术领域

本发明涉及一种基于稀疏表示的提升图像清晰度的方法，属于图像处理领域。

背景技术

在图像处理领域，图像高分辨率重建技术是一项很有发展前景的研究，近些年来图像高分辨率重建技术得到越来越多的研究者们的注意力，很多的研究者提出了很多的图像高分辨率重建技术方法。所谓的图像高分辨率重建技术就是利用一组低质量、低分辨率图像(或运动序列)来产生单幅高质量、高分辨率图像。图像高分辨率重建应用领域及其宽广，在军事，医学，公共安全，计算机视觉等方面都存在着重要的应用前景。目前高分辨率技术主要有以下两大类：基于重建的方法、基于学习的方法。其中，基于重建的高分辨率方法的基础是均衡及非均衡采样定理。它假设低分辨率的输入采样信号(图像)能很好地预估出原始的高分辨率信号(图像)。其次，基于学习的方法是近年来高分辨率算法研究中的热点，它采用大量的高分辨率图像构造学习库产生学习模型，在对低分辨率图像进行恢复的过程中引入由学习模型获得的先验知识，以得到图像的高频细节，获得较好的图像恢复效果。

通常在现实中的数字图像在数字化和传输过程中易受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。想要去除噪音首先的知道噪声的来源和种类。通常这些噪声可能在传输中产生,也可能在量化等处理中产生。按照噪声和信号的关系可将其分为三种形式:1)加性噪声,2)乘性噪声,3)量化噪声。常见的去噪方法包括：均值滤波器、自适应维纳滤波器、中值滤波器、形态学噪声滤除器、小波去噪。

迄今为止，还没有一种技术同时具备图像融合和高分辨率图像重建及图像去噪功能，使得最终融合图像效果保留了源图像丰富的细节信息。

发明内容

本发明提供了一种基于稀疏表示的提升图像清晰度的方法，以用于获得更好融合质量图像。

本发明的技术方案是：一种基于稀疏表示的提升图像清晰度的方法，所述方法的具体步骤如下：

Step1、输入两幅源图像A、B分别进行低秩分解，分别得到稀疏部分图像A₁、B₁和低秩部分图像A₂、B₂；其中，A₁、B₁分别表示源图像A的稀疏部分图像、低秩部分图像，A₂、B₂分别表源图像B的稀疏部分图像、低秩部分图像；

Step2、利用字典学习模型对选用的图像集Y进行训练，得到低秩字典D_L和稀疏字典D_S；