[发明专利]基于字典学习和非局部总变差的图像超分辨方法

说明书

技术领域

本发明属于图像处理技术领域，涉及一种图像超分辨方法，尤其是基于字典学习和非局部总变差的图像超分辨方法，可用于提高自然图像的分辨率。 

背景技术

图像分辨率是衡量图像质量的一个重要指标。随着电荷耦合元件和互补金属氧化物半导体图像传感器的发明，人们在获取图像的质量上了取得了一定的进步，但是图像传感器在采集图像的时候，容易受到模糊、欠采样、噪声等各种因素的影响，因此图像质量很难进一步提高。人们希望从硬件方面通过改善图像传感器来获取高分辨率的图像，然而该方法的成本过于昂贵，难以推广。因此有人提出了用图像超分辨方法以提高获取的图像分辨率。 

图像超分辨是通过一幅或多幅低分辨图像生成相应高分辨图像的技术，传统的图像超分辨可以分为三类：“基于插值”、“基于重建”、“基于学习”。基于插值的图像超分辨由于高频信息的缺失，导致高分辨图像过平滑现象的出现，基于重建的图像超分辨由于人为强加的图像先验，导致高分辨图像边界振铃效应的产生，并且在高放大因子条件下重构图像的质量下降比较严重。这些图像超分辨方法虽然存在过平滑、振铃效应等缺陷，但在技术上取得了一定突破，已经趋于成熟并在电子图像、互联网视频、数字电视等多个领域获得广泛应用。 

近年来，随着机器学习和压缩感知理论的不断发展，“基于学习”的图像超分辨方法逐渐被提出。如Freeman等人提出了一种基于学习的图像超分辨方法，其方法是通过马尔科夫随机场和先验知识来学习低分辨率图像和高分辨率图像之间的关系，然后重构出高分辨图像，但这种方法不能很好地保持高分辨图像的边界信息，计算复杂度较大，效率偏低。 

美国伊利诺伊大学Yang等人在文献基于无序图像块稀疏表示的图像超分辨方法(Image super-resolution as sparse representation of raw image patches)中，提出利用基于字典学习和稀疏表示理论实现单帧图像的图像超分辨，该方法中由于稀疏表示过分依赖构造的过完备字典以及其字典学习算法的缺陷，导致获得的高分辨图像边缘产生振 铃效应、高分辨图像的边缘和纹理不够清晰甚至和真实的边缘纹理相矛盾、高频信息丢失等问题。 

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于字典学习和非局部总变差的图像超分辨方法，使获得的高分辨图像边缘纹理清晰，降低图像边缘的振铃效应。 

实现本发明目的的技术原理是：引入图像训练集，利用KSVD算法训练一个高分辨字典D_h和一个低分辨字典D_l；利用稀疏表示理论对低分辨图像进行稀疏表示，求得稀疏系数α；利用稀疏系数α和高分辨字典D_h重构高分辨图像；然后通过非局部总变差去振铃效应；最后通过残差补偿对图像进行高频信息增强，并最终得到高分辨输出图像。其具体步骤包括如下： 

步骤1、训练字典 

输入一个图像训练集，在该图像训练集中提取n对图像块，80000＜n＜120000，利用KSVD算法，求解训练一个高分辨字典D_h和一个低分辨字典D_l，训练公式如下：