[发明专利]针对文字图像的稀疏约束自适应NLM超分辨率重建方法

摘要

本发明涉及针对文字图像的稀疏约束自适应NLM超分辨率重建方法。是文字图像检测与识别的前提，在智慧城市、物联网视频感知等方面具有广泛应用前景。利用字符图像的统计稀疏性、结构稀疏性自适应的计算权值调节因子h，解决了现有NLM方法超分辨率重建算法中h参数根据经验设定的问题；提出利用L-1范数距离来度量图像子块的相似度，避免了重建的过度平滑；实验分析得出搜索窗参数p和比较窗参数q的最佳值，既能取得较高的重建精度，又能有效降低算法时间复杂度；通过块匹配方法达到高精确亚像素运动估计；超分辨率上采样因子达到2-5倍。通过自适应总变分算法对重建结果去模糊，在抑制噪声和寄生波纹的同时，有效保持了图像的边缘纹理信息。

主权项

1.一种针对文字图像的稀疏约束自适应NLM超分辨率重建方法，其特征在于，包括以下步骤：步骤1，由参数输入模块输入超分辨率重建所需数据及参数，包括：低分辨率字符图像观测序列{y_t}，t＝1,2,3...n、超分辨率尺度因子s、高分辨率网格图像搜索窗尺寸p、低分辨率网格图像比较窗尺寸q；步骤2，由初始化模块针对上述输入的参数进行高分辨率网格图像初始化，即对每帧低分辨率字符图像{y_t}进行s倍最邻近插值，得到其高分辨率初始估计网格图像步骤3，由图像边界延拓模块对每帧高分辨率初始估计网格图像进行图像边界延拓，得到延拓后图像步骤4，由权值调节因子模块获取权值调节因子h，即计算步骤3中每帧高分辨率初始估计网格图像的像素平均灰度值差avgΔx，由avgΔx计算出当前帧图像权值矩阵的权值调节因子h；步骤5，由逐点超分辨率重建模块进行逐点超分辨率重建，即针对步骤3中的高分辨率初始估计网格图像中每个像素点(k,l)，依据(k,l)为中心的对应搜索窗，进行Z字型遍历逐点进行超分辨率重建计算；步骤6，由迭代更新模块以代替步骤3中的初始估计重复步骤4、5、6进行高分辨率网格图像数据迭代更新，得到n次迭代后的重建结果步骤7，由字符图像去模糊模块用自适应TV去模糊算法对步骤6中获取的重建超分辨率重建结果进行去模糊，最终得到去模糊的清晰高分辨率字符图像