[发明专利]基于同尺度结构自相似与压缩感知的单图像超分辨率方法

摘要

一种基于同尺度结构自相似与压缩感知的单图像超分辨率方法，首先将低分辨率图像进行插值获得准高分辨率图像；再将准高分辨率图像分成准高分辨率图像块，将每个准高分辨率图像块所对应的向量作为训练样本并组成样本矩阵，利用K-SVD字典学习方法求解获得字典；将低分辨率图像分成低分辨率图像块；利用降采样矩阵、字典以及每个低分辨率图像块所对应的向量，通过OMP方法求解得到高分辨率重构图像块所对应的向量；最后，将高分辨率重构图像块所对应的向量组合起来形成高分辨率重构图像，本发明将基于压缩感知和基于图像结构自相似性的超分辨率方法有机地结合起来，将附加信息通过压缩感知框架加入到高分辨率重构图像中从而实现空间分辨率的提升。

主权项

1.一种基于同尺度结构自相似与压缩感知的单图像超分辨率方法，其特征在于，包括以下步骤：步骤1：将低分辨率图像Y进行插值获得准高分辨率图像X′；步骤2：将准高分辨率图像X′分成p×p的准高分辨率图像块，每一个准高分辨率图像块对应一个向量x′_i；步骤3：将得到的向量x′_i作为训练样本并组成样本矩阵S＝[x′₁，…，x′_s]，利用K-SVD字典学习方法求解下式获得字典ψ；minΨ,A{||S-ΨA||F2}subject to∀i||αi||0≤T]]>其中，A＝[α₁，…，α_s]为稀疏表示矩阵，表示样本在字典下的稀疏表示系数，‖·‖₀表示向量中非零元的数目，T是控制向量稀疏程度的参量并取T＝2，‖·‖_F表示Frobenius范数；步骤4：将低分辨率图像Y分成q×q的低分辨率图像块，每一个低分辨率图像块对应一个向量y_i；步骤5：利用降采样矩阵Φ、字典ψ以及向量y_i，通过OMP方法求解下式获得在字典ψ下的稀疏表示系数从而得到高分辨率重构图像块所对应的向量x^i=Ψα^i;]]>min‖α_i‖₀subject to‖Φψα_i-y_i‖₂≤ε其中x_i∈Rⁿ，y_i∈R^m，x_i＝ψα_i，y_i＝Φx_i＝Φψα_i，α_i为x_i在字典ψ下的稀疏表示系数并且满足‖α_i‖₀＝k＜＜n，‖α_i‖₀表示α_i中非零元的数目；Φ∈R^m×n表示对高分辨率图像块进行模糊以及降采样所对应的矩阵，n＝p×p，m＝q×q，p/q为空间分辨率提升倍率；步骤6：将高分辨率重构图像块所对应的向量组合起来形成高分辨率重构图像