[发明专利]一种基于非局部均值的图像超分辨率方法

权利要求书

1.一种基于非局部均值的图像超分辨率方法，其特征在于：包括离线的训练过程和在线的图像超分辨率放大的过程，其离线的训练过程包括如下步骤，

A1)将输入的训练的高分辨率图像I_H作模糊和下采样处理得到低分辨率图像I_L，即，其中，S为图像需要放大的倍数，↓_S是下采样S倍的算子，B是模拟的模糊算子，其元素σ²为方差参数，i＝-L，...，0，...，L，j＝-L，...，0，...，L，即，i和j为从-L到L之间的整数，L为算子的范围，

A2)将I_L经过双三次插值后得到大小与I_H相同的图像I_bic，然后采用迭代反向投影的方法，即如下式的方法，对图像I_bic进行加强得到图像I_back，

X^t+1＝X^t+τ{(Y-(X*B)↓_S)↑_S}

其中，t为迭代次数，初始时X⁰＝I_bic，经过N_t次迭代后，τ为步长参数，S为图像需要放大的倍数，↓_S是下采样S倍的算子，↑_S是上采样S倍的算子，

A3)对I_back进行分块，使用如下

G＝[1，0，-1] (1)

L＝[1，0，-2，0，1] (2)

G^T＝[1，0，-1]^T (3)

L^T＝[1，0，-2，0，1]^T (4)

四个滤波器模板进行滤波处理，提取特征后再采用主成分分析(principle componentanalysis，PCA)方法降维后得到低分辨率特征块，其中，每个低分辨率特征块插入到当前低分辨率特征块的集合中，而高分辨率特征块则由I_H与I_back作差获取高频信息后再分块得到，每个高分辨率特征块插入到当前高分辨率特征块的集合中，

A4)返回以上步骤A1中，处理下一幅训练图像，直到处理完所有的训练图像为止，才进行以下的步骤；

A5)用K-均值(K-means)分类方法对进行分类，共得到K个类，和每个类的矩阵和由此类中的低分辨率特征块构成，每个低分辨率块按照从上到下，从左到右的扫描顺序构成其中的一个列，由此类中低分辨率的特征块所对应的高分辨率特征块构成，每个对应的高分辨率特征块按照从上到下，从左到右的扫描顺序构成其中的一个列；最后根据每一类的和求出该类对应的映射矩阵F^k，其中F^k由式

计算得到，其中I是单位矩阵，λ是平衡因子，T为矩阵转置符号，在得到并存储每个类的映射矩阵后，就完成了离线的训练过程；

所提出的方法的在线的图像超分辨率放大的过程包括以下步骤，

B1)对于输入的低分辨率图像I_INPUT，首先将其进行双三次插值操作得到图像I_MIDLLE，再利用非局部均值化处理，对图像I_MIDLLE进行效果增强得到图像I_NLM，

B2)然后，再对图像I_NLM进行与离线训练阶段A3步骤中同样的分块、提取特征、PCA降维操作得到低分辨率特征集对每一个低分辨率块的特征，在训练好的K个中心点中，根据以下式计算每一个类的中心点和当前块的接近程度w_k(1≤k≤K)，

其中d_k为当前块与类中心点的欧氏距离，h为控制指数衰减速度的常数，

B3)然后确定与当前块最接近的N_c个中心点g_n(1≤n≤N_c，1≤c_n≤K)，g_n为第n个和当前特征块距离近的在离线阶段获得的类的类中心，其中N_c的值为满足下式的w_n的个数，μ为比例常数，

max(w_k)·μ＜w_n(1≤n≤K)

B4)然后，再通过下式加权平均投影的低分辨率块，便可得到对应的高分辨率特征块，

其中，表示低分辨率的特征块，矩阵为离线训练阶段产生的第c_n类的投影矩阵，因此矩阵为在离线阶段获得的映射矩阵F^k中的第c_n个矩阵，

B5)最后将所有的高分辨率块拼接为图像其中块与块之间的重叠区域作取平均值处理，再将以上得到的图像与图像I_NLM作和得到最终的高分辨率输出图像I_FINAL。

2.如权利要求1所述的一种基于非局部均值的图像超分辨率方法，其特征在于，其B1处理步骤的非均值化处理包括以下处理过程，

利用非局部均值化处理图像I_MIDLLE，利用下式进行效果增强得到图像I_NLM

X^t+1＝X^t+τ{(Y-(X*B)↓_S)↑_S-γ(I-U)^T(I-U)X}

其中t为迭代次数，τ为梯度下降的步长，γ为平衡因子，初始时X⁰＝I_MIDDLE，经过N_t次迭代后I是单位矩阵，U的定义如下：

P(x_i)为和第i个像素点的所有相似像素点的下标集合，w_ij为第i个像素点和第j个像素点之间的权重，其定义如下：

其中是一个归一化常量，其值为

h为控制指数衰减速度的一个常量，D(i，j)是以像素点i为中心的图像块和以像素点j为中心的图像特征块之间的差异度，其表达式如下：

其中，β为平衡因子，其中矩阵P是通过以上式1、2、3和4提取的图像块的一阶二阶梯度信息提取特征后再采用主成分分析(principle component analysis，PCA)方法降维后得到的低分辨率特征块所对应的矩阵，表示矩阵Z的二范数值的平方值，从上式中可以看出，在计算距离时，以(x_i，y_j)为中心的图像块的大小为(2r+1)×(2r+1)。