[发明专利]基于多核高斯过程回归的图像超分辨重建方法

摘要

本发明公开了一种基于多核高斯过程回归的图像超分辨重建方法，主要解决现有超分辨方法产生边缘锯齿效应和重建纹理不丰富的问题。其实现步骤是：1）获取低分辨亮度图像和插值图像，并进行分块；2）提取低分辨亮度图像块的中心像素和八邻域来训练高斯过程回归上采样模型；3）使用上采样模型预测初始高分辨亮度图像块的像素值；4）将所有的初始高分辨亮度图像块组合得到初始高分辨亮度图像；5）获取模拟低分辨图像，并进行分块；6）提取模拟低分辨图像块的中心像素训练高斯过程回归去模糊模型；7）使用去模糊模型预测高分辨亮度图像块的像素值；8）将所有的高分辨亮度图像块组合得到高分辨率亮度图像。本发明可用于视频监控、高清电视成像。

主权项

1.一种基于多核高斯过程回归的图像超分辨重建方法，包括：（1）从网上随机下载一幅低分辨亮度图像I_L；（2）利用matlab软件中的imresize函数将低分辨亮度图像I_L进行双立方插值放大，得到插值图像I_H；（3）分别对低分辨亮度图像I_L和插值图像I_H进行分块，得到N个低分辨图像块和N个插值图像块，并用这些低分辨图像块组成低分辨集P_N、用这些插值图像块组成插值集Q_N；（4）取低分辨集P_N中的第i个低分辨图像块P_i进行像素重排，得到低分辨图像块P_i的中心像素列向量α_i和邻域矩阵A_i，其中i＝1,…,N，N为图像块的数目；再对中心像素列向量α_i与邻域矩阵A_i进行回归计算，得到高斯过程回归上采样模型M_i；（5）取步骤（3）中的插值集Q_N的第i个插值图像块Q_i进行像素重排,得到插值图像块Q_i的插值中心像素列向量γ_i和插值邻域矩阵R_i；再将插值邻域矩阵R_i和步骤（4）中的中心像素列向量α_i与邻域矩阵A_i作为高斯过程回归上采样模型M_i的输入，进行高斯过程回归计算，得到初始高分辨率亮度图像块（6）将i＞N作为循环终止条件，如果i的值不满足i＞N，则将i值增1后返回步骤（4），否则直接执行步骤（7）；（7）将所有的初始高分辨率亮度图像块进行组合，得到初始亮度图像（8）利用matlab软件中的过滤函数imfilter对低分辨亮度图像I_L进行高斯低通滤波，得到模拟低分辨图像（9）分别对模拟低分辨图像和初始亮度图像进行分块，得到N个模拟低分辨图像块和N个初始亮度图像块，并用这些模拟低分辨图像块组成模拟低分辨集用这些初始亮度图像块组成初始亮度集Z_N；（10）取模拟低分辨集中的第i个模拟图像块进行像素重排，得到模拟图像块的模拟中心像素列向量和模拟邻域矩阵（11）对步骤（4）中的中心像素列向量α_i、邻域矩阵A_i和步骤（10）中的模拟中心像素列向量进行回归计算，得到高斯过程回归去模糊模型（12）取步骤（9）中的初始亮度集Z_N，将集合中的第i个图像块Z_i作为高斯过程回归去模糊模型的输入，进行高斯过程回归计算，得到高分辨亮度图像块（13）将i＞N作为循环终止条件，如果i的当前值不满足i＞N，将i值增1后返回步骤（10），否则直接执行步骤（14）；（14）将所有高分辨亮度图像块进行组合，得到高分辨亮度图像