[发明专利]一种利用自然图像先验知识进行多帧图像超分辨重建的方法

摘要

本发明提出了一种利用自然图像先验知识进行多帧图像超分辨重建的方法。本发明在利用一系列低分辨率图像进行超分辨重建的过程中，引入学习得到的专家场模型作为自然图像先验知识，提高多帧图像超分辨重建的质量。相对于传统的贝叶斯多帧图像超分辨方法所使用的L1范数、全变分等先验知识，本发明使用的自然图像先验知识是通过图像数据库训练得到的专家场模型，能更好地提取自然场景的统计特征，从而获得更好的超分辨重建效果。本发明简化了多帧超分辨的部分过程，缩短了计算时间。

主权项

1.一种利用自然图像先验知识进行多帧图像超分辨重建的方法，其特征在于，该方法包括以下步骤：(1)用student‑t分布来模拟自然图像的专家场分布，并训练专家场分布的参数；(2)初始化设置，具体是：(2.1)计算初始图像：在输入的L张低分辨率图像中任意选择一张图像进行上采样得到初始图像x0，采样因子记为res；根据采样因子res构建下采样矩阵A；(2.2)设置卷积核h，根据卷积核h构建模糊矩阵H；(2.3)以步骤(2.1)中选择的低分辨率图像为参考图像，计算第1到第L张图像相对于参考图像的位移，包括横坐标方向的平移值sx和纵坐标方向的平移值sy；根据sx、sy构建位移矩阵C；(2.4)估计噪声标准差σ；(2.5)设置迭代步长delta和迭代次数maxit；(3)利用最大后验概率法进行多帧图像超分辨重建，具体是：(3.1)根据最大后验概率法建立关于待超分辨重建图像x的方程：其中，y_k为输入的第k张低分辨率图像，H_k为第k张低分辨率图像对应的模糊矩阵，C_k为第k张低分辨率图像对应的位移矩阵，ψ为专家函数的对数形式，J_i为专家场模型中的第i个滤波器，为J_i的转置，N为滤波器J_i的个数，α_i为第i个专家函数的权重，λ为专家场对数形式在重建方程中的权重，且(3.2)迭代求解步骤(3.1)建立的方程(1)，当满足收敛标准或者达到最大迭代次数时停止迭代，得到最优解x。