[发明专利]一种图像超分辨率重建方法

说明书

本发明公开一种图像超分辨率重建方法，其包括以下步骤：将低分辨特征空间和高分辨特征空间构造成多个成对设置的低分辨特征子空间和高分辨特征子空间；在成对设置的低分辨特征子空间和高分辨特征子空间之间建立线性映射关系；根据线性映射关系将低分辨率重构图像重构成高分辨率重构图像。采用本发明图像超分辨率重建方法能够快速的获得高质量的高分辨率图像。

技术领域

本发明涉及图像处理领域，特别涉及一种图像超分辨率重建方法。

背景技术

在获取高分辨率图像时，提高成像系统的物理分辨率是最直接有效的手段，然而对成像系统的物理分辨率的升级需要精密的制造技术和高成本的元器件。因此在大多情况下，会采用图像处理技术如图像超分辨率重建将低分辨率图像转化为高分辨率图像。

然而现有的图像超分辨率重建技术中，有些技术保证了高质量的高分辨率图像，但存在计算复杂耗时耗内存的问题；还有些技术计算简单快速，但无法保证能够得到高质量的图像。

发明内容

本发明提供一种图像超分辨率重建方法，以实现将低分辨率图像快速转化为高质量的高分辨率图像的目的。

为实现上述目的，本发明提出一种图像超分辨率重建方法，其包括以下步骤：将低分辨特征空间和高分辨特征空间构造成多个成对设置的低分辨特征子空间和高分辨特征子空间；在成对设置的低分辨特征子空间和高分辨特征子空间之间建立线性映射关系；根据线性映射关系将低分辨率重构图像重构成高分辨率重构图像。

其中，根据线性映射关系将低分辨率重构图像重构成高分辨率重构图像的步骤包括：从低分辨率重构图像提取出低分辨率重构图像块的低分辨率重构图像块特征；确定低分辨率重构图像块特征所对应的低分辨特征子空间；根据确定低分辨特征子空间的线性映射关系将低分辨率重构图像块特征映射成高分辨率重构图像块特征；将高分辨率重构图像块特征添加到低分辨率重构图像块中。

其中，将低分辨特征空间和高分辨特征空间构造成多个成对设置的低分辨特征子空间和高分辨特征子空间的步骤包括：获取低分辨训练图像集与高分辨训练图像集，其中低分辨训练图像集中包括至少一低分辨训练图像，高分辨训练图像集中包括与低分辨训练图像成对设置的高分辨训练图像；从低分辨训练图像和高分辨训练图像中提取成对设置的低分辨训练图像块和高分辨训练图像块的低分辨训练图像块特征和高分辨训练图像块特征，进而形成低分辨训练图像块特征集和高分辨训练图像块特征集；将低分辨训练图像块特征集聚类成多个低分辨训练图像块特征子集；根据多个低分辨训练图像块特征子集将高分辨训练图像块特征集对应的划分成多个高分辨训练图像块特征子集。

其中，获取低分辨训练图像集与高分辨训练图像集的步骤包括：获取高分辨训练图像集；对高分辨训练图像集中的高分辨率训练图像进行n倍下采样；通过插值方式对n倍下采样后的高分辨率训练图像进行n倍上采样，进而形成低分辨训练图像集中的低分辨训练图像，其中n为大于或等于2的正整数。

其中，从低分辨训练图像和高分辨训练图像中提取成对设置的低分辨训练图像块和高分辨训练图像块的低分辨训练图像块特征和高分辨训练图像块特征的步骤包括：将高分辨训练图像与低分辨训练图像进行相减；在相减后的图像上进行提取与低分辨训练图像块对应的图像块并作为高分辨训练图像块特征。

其中，将低分辨训练图像块特征集聚类成多个低分辨训练图像块特征子集的步骤包括：利用主分成分析算法对低分辨训练图像块特征集进行维数约简，再利用k-means聚类算法将约简后的低分辨训练图像块特征集聚类成多个低分辨训练图像块特征子集，并获取每个低分辨训练图像块特征子集所对应的聚类中心。

其中，在成对设置的低分辨特征子空间和高分辨特征子空间之间分别建立线性映射关系的步骤包括：根据成对设置的低分辨训练图像块特征子集和高分辨图像块特征子集形成成对设置的低分辨子字典和高分辨子字典；利用成对设置的低分辨子字典和高分辨子字典形成线性映射矩阵。