[发明专利]一种中间尺度约束的高倍率图像超分辨率重建方法

摘要

本发明公开了一种中间尺度约束的高倍率图像超分辨率重建方法，引入中间尺度图像的先验约束，构建高‑中‑低分辨率联合字典学习模型，训练高‑中‑低分辨率三元组字典；采用简单的上采样算法生成中间尺度图像，将输入的低分辨率图像进行中间尺度约束下的联合稀疏分解，获得稀疏表示系数；基于高分辨率字典合成超分辨率结果图像。本发明方法在基本不增加运算量的前提下，有效改善了高倍率超分辨率重建的图像保真度和清晰度。

主权项

1.一种中间尺度约束的高倍率图像超分辨率重建方法，其特征在于，包括以下步骤：步骤1：获取若干高分辨率图像样本，制作高‑中‑低分辨率的训练图像块样本集{S_h,S_m,S_l}；其中，S_h表示高分辨率图像块集合，S_m表示中等分辨率图像块集合，S_l表示低分辨率图像块集合；步骤2：建立联合稀疏表达模型，利用训练图像块样本集{S_h,S_m,S_l}训练高‑中‑低分辨率联合字典{D_h,D_m,D_l}；其中，D_h、D_m、D_l分别代表高分辨率字典、中等分辨率字典、低分辨率字典；步骤2的具体实现过程是：令X_h、X_m、X_l分别代表输入的高分辨率图像块、中等分辨率图像块、低分辨率图像块；W为输入图像块在字典上的稀疏表达系数，L、M、N分别表示高分辨率图像块、中等分辨率图像块、低分辨率图像块的维度；则通过给定的{S_h,S_m,S_l}训练字典{D_h,D_m,D_l}的过程转化为如下的优化问题：变换形式，上式等价于：其中采用交叉迭代优化求解上述的优化问题，即固定W求解D，然后在下一轮迭代中固定D求解W，如此交替迭代更新,直到收敛为最优解；步骤3：运用图像上采样算法，对输入的低分辨率图像进行插值放大，生成中间尺度图像；步骤4：通过中间尺度图像约束的低分辨率图像稀疏分解，获得低分辨率图像块的稀疏域表达系数；步骤5：利用训练得到的高分辨率字典D_h和低分辨率图像块的稀疏域表达系数，重建最终的高分辨率图像。