[发明专利]一种基于高频和中频信息的图像超分辨率重建方法

摘要

本发明涉及一种基于高频和中频信息的图像超分辨率重建方法。本发明的步骤是首先，计算图像的高频信息和中频信息。图像高频为原高分辨率图像与低分辨率插值放大后图像之间的差值，图像中频为插值放大后的图像与插值放大后且经低通滤波器输出图像之间的差值。其次，将图像高频信息和中频信息作为训练样本对，采用广义迭代收缩方法进行稀疏分解，获得高、中频分量字典对。最后，根据测试图像对应的中频信息和字典对获得图像高频信息,结合测试图像插值放大结果,经非局部相似性和反向迭代方法处理后获得高分辨率图像。本发明只需根据测试图像的中频信息重构出高频信息，并结合插值放大图像即可重建出高分辨率图像，重建图像具有锐化的边缘结构。

主权项

一种基于高频和中频信息的图像超分辨率重建方法，其特征在于其包括以下步骤：步骤(1)计算图像高频和中频信息，具体是：将用于训练的低分辨率图像Y经bicubic插值放大后得到图像Xb，插值图像Xb与原始高分辨率图像X具有相同尺寸，图像的高频信息为原始高分辨率图像X与插值放大图像Xb之间的差值，即Xh＝X‑Xb；插值放大图像Xb经低通滤波器处理后得到低频图像低频图像与插值放大后图像具有相同尺寸，图像的中频信息为插值放大图像Xb与低频图像之间的差值，即步骤(2)获得高、中频字典对，具体如下：训练字典时，采用多样的自然场景图像作为训练样本图像，提取训练样本图像的高频信息Xh、中频信息Xm并进行分块，相邻块间重叠像素为w，并将获得的高频子块和中频子块作为训练样本对，训练得到高频、中频字典；训练字典时，对输入的高频子块和中频子块进行向量化，得到各自向量化的子块样本集合，分别记为{xhi}和{xmi}，其中xhi表示高频子块，xmi表示中频子块，i＝1,2…N，N为子块总数；对中频子块样本集合{xmi}进行筛选，将其中方差小于阈值Δ的子块去除，然后从高频子块样本集中删除对应子块，获得高、中频子块训练样本矩阵和q是样本子块大小，N1为新的子块总数；高频、中频字典Dh、Dm训练过程如下：argmin{DhDmαi,i=1,2...N1}Σi=1N112||Xci-Dαi||22+λ||αi||p---(1)]]>式(1)中，Xci∈R2q×1；D∈R2q×K，Dm∈Rq×K，Dh∈Rq×K；αi∈RK×1,||αi||p表示αi的lp范数，0≤p≤1，i＝1,2…N1；λ为约束系数；迭代过程中，避免新生成的字典对D与前次生成的字典对Do有大的偏移，加入新的约束项进行优化，μ为约束系数；新的字典对训练可表示为：argmin{DhDmαi,i=1,2...N1}Σi=1N112||Xci-Dαi||22+λ||αi||p+μ||D-D0||22---(2)]]>采用广义迭代收缩法进行稀疏分解；并采用分步迭代法分别求解D和α，具体是：1)初始化；初始化D，循环次数k＝0，最大循环次数max，λ，μ，p；2)当k＜max时：固定D，采用广义迭代阈值法求解稀疏表示系数argminαi12||Xci-Dαi||22+λ||αi||p,i=1,2...N1---(3)]]>固定α，求解字典对D；argmin{DhDm}12||Xc-Dα||22+μ||D-Do||22---(4)]]>即DT＝(ααT+μI)‑1(XcαT+μDo)T；k＝k+1，结束循环；3)输出Dh、Dm；步骤(3)重建高分辨率图像，具体是：高分辨率图像重建算法如下：输入：低分辨率图像L，训练得到的字典对Dh、Dm，约束系数η；1)根据低分辨率图像获得bicubic插值放大后图像Hb并提取中频Hm，采用与训练阶段相同的分块方式将Hb和Hm分块，相邻子块间重叠像素为w，获得的子块记为{hmi hbi},i＝1,2…M；2)求解稀疏表示系数α，用广义迭代收缩法进行稀疏分解；argminαi12||hmi-Dmαi||22+λ||αi||p,i=1,2...M---(5)]]>3)重建高频子块；hhi＝Dhαi   (6)4)将高频子块结合插值放大后图像Hb的子块hbi，获得对应的高分辨率图像块，即为hhi*=hhi+hbi---(7)]]>5)根据高分辨率图像块线性组合重建出高分辨图像H*，用非局部相似性对H*进行约束；H^1=argminH*||L-SH*||22+η||(I-N)H*||22---(8)]]>上式中，S为下采样矩阵，I为单位矩阵，N为非局部相似性矩阵，η为约束系数，采用梯度下降法求解6)对采用反向投影算法，重建出高分辨率图像输出：高分辨率图像