[发明专利]基于梯度轮廓例子字典和加权自适应p范数的单幅图像超分辨率重建方法

摘要

发明名称基于梯度轮廓例子字典和加权自适应p范数的单幅图像超分辨率重建方法摘要本发明公开了一种基于梯度轮廓例子字典和加权自适应p范数的单幅图像超分辨率重建方法。主要包括以下步骤：使用插值方法对输入的低分辨率图像进行上采样；由基于梯度轮廓例子字典的邻域嵌入超分辨率重建方法完成高分辨率梯度图像的估计；构建形状自适应的相似块组；建立形状自适应相似块组奇异值的加权p范数约束，并根据图像区域的显著性来自适应地调整每个相似块组范数约束的p值；建立重建代价函数，并迭代最优化求解，得到最终输出的高分辨率图像。本发明所述的基于梯度轮廓例子字典和加权自适应p范数的单幅图像超分辨率重建方法具有较好的主观视觉和较高的客观评价值。因此，本发明是一种有效的单幅图像超分辨率重建方法。

主权项

1.基于梯度轮廓例子字典和加权自适应p范数的单幅图像超分辨率重建方法，其特征包括以下步骤：步骤一：使用双三次插值方法对输入的低分辨率图像进行上采样，得到初始的高分辨率估计图像；步骤二：由基于梯度轮廓例子字典的邻域嵌入超分辨率重建方法完成高分辨率梯度图像的估计，构建梯度域先验；步骤三：根据现有的高分辨率估计图像，提取每个参考像素的自适应邻域，并进行非局部相似块搜索，组成形状自适应的相似块组；步骤四：根据现有的高分辨率估计图像，确定每个参考像素的p范数值，并构建形状自适应相似块组的加权自适应p范数先验；步骤五：将输入的低分辨率图像与步骤二得到的梯度域先验、步骤四得到的加权自适应p范数先验作为约束，建立重建代价函数；步骤六：重复步骤三~步骤五，完成重建代价函数的最优化求解，当满足迭代终止条件时，执行步骤七；步骤七：满足迭代终止条件，将最后一次迭代的高分辨率估计图像作为最终的高分辨率重建图像输出。