[发明专利]一种自适应在线字典学习的图像超分辨率方法

摘要

本发明公开了一种自适应在线字典学习的图像超分辨率方法，首先选定一组高分辨率和低分辨率训练图像集，然后在高/低训练图像集上建立一种对应关系，通过高/低分辨率字典对为重构图像提供了更多的先验信息，在高放大因子下也能获得较好的重构效果；同时本发明使用了SP稀疏编码算法，克服了传统贪婪算法重构精确度不高的缺点，同时保持了较低的计算复杂度；优点是服了当下主流字典学习算法中（如MOD、K-SVD等）计算复杂、训练速度慢的缺点，在总体上缩短了图像重构时间，与现有的基于学习图像超分辨率技术相比，本发明提出的方法具有更高的重构精度和更短的算法时间。

主权项

1.一种自适应在线字典学习的图像超分辨率方法，其特征在于包括以下步骤：①选取一组高分辨率图像及其对应的一组低分辨率图像作为训练样本；②提取训练样本的高频特征，得到一组高分辨率样本特征图像和其对应的一组低分辨率样本特征图像，随机抽取高分辨率样本特征图像中的Q个高分辨率样本特征图像小块构成矩阵M，抽取低分辨率样本特征图像中与抽取的高分辨率样本特征图像小块对应的低分辨率特征图像小块构成矩阵M′，其中Q大于等于3万且小于等于10万，将矩阵M和矩阵M′均分成k类，其中k≥2，得到矩阵M′的k个聚类中心m₁,m₂,m₃，…,m_k以及初始子字典集合{(D_l1,D_h1),(D_l2,D_h2),(D_l3,D_h3),…,(D_lk,D_hk)}，其中D_l1,D_l2,D_l3,…,D_lk表示k个初始低分辨率子字典，D_h1，D_h2，D_h3，…,D_hk表示k个初始高分辨率子字典；③利用在线算法对初始子字典集合进行优化，得到最优目标子字典集合{(D_l1-best,D_h1-best),(D_l2-best,D_h2-best),(D_l3-best,D_h3-best),…,(D_lk-best,D_hk-best)}，其中D_l1-best，D_l2-best，D_l3-best，…,D_lk-best表示k个最优低分辨率目标子字典，D_h1-best,D_h2-best,D_h3-best,…,D_hk-best表示k个最优高分辨率目标子字典；④输入需要进行超分辨率放大的低分辨率图像X，提取低分辨率图像X的高频特征，得到低分辨率图像X对应的低分辨率特征图像X'，然后选取低分辨率特征图像X'的第q个图像小块X_q，q≥1，图像小块X_q对应的矩阵记为x_q，分别计算矩阵x_q和聚类中心m₁,m₂,m₃,…,m_k的欧氏距离，比较x_q与各个聚类中心的欧氏距离的大小，得到欧式距离最小的聚类中心m_n，1≤n≤k，选择以m_n为聚类中心的初始低分辨率子字典对应的最优低分辨率目标子字典，记作D_lq-best；⑤利用SP算法计算矩阵x_q在D_lq-best下的稀疏表示系数α_q，α_q=argmin||x_q-D_lq-bestα_q||₂+λ||α_q||₁，α_q=SP(D_lq-best，x_q)，具体步骤如下：⑤-1将D_lq-best中与矩阵x_q相关性最大的K列原子的列号索引记为表示D_lp-best里列号为的原子组成的矩阵，表示矩阵x_q在上的投影，x^q=Dlq-best-I~0Dlq-best-I~0′xq,]]>其中Dlq-best-I~0′=(Dlq-best-I~0*Dlq-best-I~0)-1Dlq-best-I~0*,]]>*表示矩阵的转置；⑤-2初始化：定义初始状态投影的初始残差向量为r₀，初始状态下x′_q中元素最大值所对应的K个序列原子的列号索引记为I₀，表示D_lp-best里列号为I₀的原子组成的矩阵；⑤-3设当前迭代次数为ω，ω≥1，当前迭代中投影的残差向量为r_ω，令xq′=Dlq-best-I~0′xq,]]>Dlq-best-I~ω′=(Dlq-best-I~ω*Dlq-best-I~ω)-1Dlq-best-I~ω*,]]>当前迭代中x′_p中元素最大值所对应的K个序列原子的列号索引为I_ω，结合公式{D_lq-best中与r_ω-1相关性最大的K列原子的列号索引}和更新r_ω、和I_ω，r_ω-1表示投影在第ω-1次迭代中的残差向量，表示D_lp-best里列号为I_ω的原子组成的矩阵，表示D_lp-best里列号为的原子组成的矩阵；⑤-4比较r_ω与r_ω-1，若r_ω||₂>r_ω-1||₂，则迭代结束，否则，将ω加1后作为当前迭代次数返回步骤⑤-3中进行迭代更新；⑤-5迭代完成后，使用最小二乘法求得x_q在字典D_lq-best的最优稀疏表示系数α_q；⑥选择与D_lq-best对应的高分辨率目标子字典D_hq-best，利用稀疏表示系数α_q和D_hq-best求解x_q在D_hq-best对应下的高分辨率图像重构小块y_q=D_hq-bestα_q；⑦按照步骤③～⑥的方法，按“之”字型对低分辨率特征图像X'的所有图像小块进行处理，得到初始的高分辨率重构图像⑧对高分辨率重构图像进行去块处理得到最终高分辨率重构图像Y。