[发明专利]一种基于AdaBoost实例回归的超分辨率重建方法

说明书

本发明公开了一种基于AdaBoost实例回归的超分辨率重建方法，通过统计机器学习方法和最优化估计理论，首先利用K‑SVD字典学习方法从训练集中学习一个具有强表征能力的字典作为锚点，假定每个锚点的K个最近邻初始均为均匀分布的；接着利用脊回归的方法建立一组K个回归器做为初始回归器。然后估计高分辨特征，计算估计误差和回归器系数，更新权重分布，采用AdaBoost回归的思想经过T次增强回归建立一组K个强回归器；最后用于重建的目标回归器与初始回归器和强回归器两部分组成，以有效逼近低分辨与高分辨特征之间复杂的非线性关系，实现处理速度快、重建质量高的实例回归超分辨重建。本发明可以实现快速、高效、性能更好地实例回归超分辨重建。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于AdaBoost实例回归的超分辨率重建方法。

背景技术

在日常生活与生产实践的应用中，图像是应用最为广泛的信息载体之一。然而成像系统受器件成本、传输带宽、计算资源以及成像环境等诸多因素的限制，往往很难获得期望的高分辨图像，这给后续的图像处理、分析和理解任务带来极大的挑战。那么，如何获取高分辨率的数字图像是人们非常关心的课题。无疑，提高成像系统物理分辨率是获取高分辨率图像最直接有效的手段。然而，该方法受制造技术和器件成本的限制，仅限于某些特殊应用场合，不便于在实际应用中推广；而且，对许多远距离成像领域，由于受成像环境和各种条件的约束，即使是装配价格昂贵、分辨率级别高的成像设备，也难以获取目标区域的高分辨率影像；此外，随着各种低成本移动多媒体终端的日益普及，人们很容易获取大量具有应用价值的低分辨率影像资源，如何提高它们在高分辨显示设备上的兼容性，增强用户体验感，也是视觉信息处理领域面临的一项重要挑战。

超分辨重建是一种借用信号处理技术，将低分辨图像重建成高分辨图像的技术。该技术能有效克服成像设备固有分辨率的不足，突破成像环境的限制，在不改变现有成像系统的前提下，能以最低的成本获取高于成像系统物理分辨率的高质量图像。因此，图像超分辨重建技术是解决上述问题较为经济且有效的手段之一。该技术具有非常广泛的应用前景，是低质量智能安全监控系统中人脸检测与识别技术、智能机器人关键技术，以及多通道、多尺度图像融合技术的基础。该技术的成功应用能有效促进光电子信息技术的发展，同时也能推动物联网视频感知与智能分析技术、车联网智能交通关键技术、遥感成像技术以及移动多媒体通信技术等多个高新技术产业的进步和发展。

多年来，经过各个领域专家学者的研究，图像超分辨重建技术取得了重大进展。在现有的超分辨方法中，基于实例学习的超分辨重建技术被广泛一致的认为在重建性能上由于其他基于插值和基于重构的超分辨重建方法，能够恢复出一个具有较高质量的高分辨图像。然而，现有的大多数基于实例学习的算法仍没有很好的恢复出图像的纹理细节与边缘轮廓信息，伪影较为明显。因此，研究重建质量更好的超分辨重建算法，是实例回归超分辨重建技术成功应用的关键所在。