[发明专利]一种基于自适应回归的快速图像超分辨方法在审
| 申请号： | 201610120918.9 | 申请日： | 2016-03-03 |
| 公开（公告）号： | CN105787899A | 公开（公告）日： | 2016-07-20 |
| 发明（设计）人： | 黄倩;朱小涛;徐淑芳;王琪 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 许方 |
| 地址： | 211100 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于自适应回归的快速图像超分辨方法，包括：训练阶段：从已有的高质量图像中提取训练样本集合，利用所述训练样本集合训练出字典并计算映射模型。字典基重排序阶段：利用统计规律对字典的基进行重新排序，得到新的字典。超分辨阶段：利用排序后得到的字典以及映射模型对输入的低分辨图像进行超分辨，先确定将要使用的字典基的个数，用于缩小搜索空间，进而加快超分辨速度，对于每一个低分辨率特征，由映射模型得到输出的高分辨图像。本发明在训练过程中不需要额外参数，在超分辨过程中能够更精确地恢复高分辨率特征；利用统计信息对字典基进行重排序，在超分辨率过程中使用更有效的字典基，从而有效地加快图像的超分辨率速度。 | ||
| 搜索关键词： | 一种 基于 自适应 回归 快速 图像 分辨 方法 | ||
【主权项】：
一种基于自适应回归的快速图像超分辨方法，其特征在于，包括如下步骤：A1训练阶段：从已有的高质量图像中提取训练样本集合，利用所述训练样本集合训练出字典并计算映射模型M；所述的映射模型M包括：PCA降维矩阵P、低分辨率字典D以及映射矩阵Fk；A2字典基重排序阶段：利用统计规律对字典的基进行重新排序，即：利用所述训练样本集合以及已得到的映射模型M，对所述的低分辨率字典D的基进行重排序，得到新的字典DR；A3超分辨阶段：利用排序后得到的字典以及映射模型对输入的低分辨图像进行超分辨，得到输出的高分辨率图像：即：先确定将要使用的字典基的个数K'，用于缩小搜索空间，进而加快超分辨速度，对于每一个低分辨率特征![]()
由映射模型M得到输出的高分辨图像IH。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学，未经河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610120918.9/，转载请声明来源钻瓜专利网。
