[发明专利]一种基于稀疏表示的红外图像超分辨率重建方法

摘要

本发明公开了一种基于稀疏表示的红外图像超分辨率重建方法，步骤包括：步骤1、字典的训练，包括样本集的提取和子字典的训练，样本集的提取包括图像预处理和图像分块；子字典的训练包括样本块的聚类、子字典的训练；步骤2、重建高分辨率图像。本发明的方法，采用基于相关系数的自适应k‑means聚类算法将大量的训练样本集进行分类，然后针对每一个子类训练一个对应的高低分辨率字典对，字典对的大小则根据该类所含样本个数自适应决定，最终获得多个高低分辨率子字典对，通过计算待重建的图像样本块与每一个子类聚类中心的相关系数来选择子字典进行重建；该方法保证了红外图像超分辨率重建结果，重建速度显著提高。

主权项

一种基于稀疏表示的红外图像超分辨率重建方法，其特征在于，按照以下步骤实施：步骤1、字典的训练字典的训练分为两个步骤：1.1)样本集的提取1.1.1)图像预处理：从图像库里选取大量结构相似的高分辨率红外图像和可见光图像作为高分辨率红外图像训练集；然后依次对该高分辨率红外图像训练集中的每张图像进行3倍下采样，再将3倍插值放大所得的图像作为该高分辨率红外图像训练集中对应的低分辨率红外图像训练集；采用LOG算子提取低分辨率图像的细节特征作为最终的低分辨率红外图像训练集；1.1.2)图像分块：依次对上述的高、低分辨率红外图像训练集中的每张图像从左到右、从上到下进行分块，图像块大小为m×m，块与块边缘重叠p个像素，p＜m/2，则每一个样本大小为m2×1，分块后将高分辨率红外图像块组成的训练集记为Yh，对应的低分辨率红外图像块组成的训练集记为Yl，采用联合字典训练，即将高分辨率红外图像块与对应的低分辨率红外图像块组合成一个样本，设样本块总个数为n，最终得到组合后的训练集1.2)子字典的训练1.2.1)样本块的聚类1.2.2)子字典的训练针对每一个子类训练集其中rk表示第k个子类训练集Xk中包含的样本个数，Xhk表示第k个子类训练集Xk中的高分辨率训练集，Xlk表示第k个子类训练集Xk中的低分辨率训练集，然后由稀疏约束条件，学习构建子字典Dk，建立超完备稀疏表示子字典，其数学模型表达式如式(2)所示：{Dk,Ak}=argmin||Xk-DkAk||F2=Σj0=1rk||xj0-Dkαj0||22s.t.||αj0||0≤T,j0=1,2,...rk---(2)]]>其中，表示第k个子类训练集Xk训练所得的超完备子字典，Dhk表示第k个子类训练集Xk训练所得的高分辨率子字典，Dlk表示第k个子类训练集Xk训练所得的低分辨率子字典；表示样本的稀疏系数；表示第k个子类训练集Xk在子字典Dk下的稀疏矩阵，T表示稀疏度，M表示子字典Dk的原子个数，通常，T＜2m2＜＜M＜rk，即从rk个样本中学习建立M个2m2维原子的超完备字典；先用高斯随机矩阵初始化子字典Dk，利用广义正交匹配追踪算法求解稀疏系数矩阵Ak；然后固定Ak，用K‑SVD算法更新子字典Dk中的所有原子及稀疏系数，获得目标子字典得到由N个子类所对应的全部子字典组合成的最终的目标字典Dh表示最终由训练集Y训练所得的高分辨率字典，Dl表示最终由训练集Y训练所得的低分辨率字典；步骤2、重建高分辨率图像。