[发明专利]基于稀疏表示理论的超分辨率图像获取方法

权利要求书

1.一种基于稀疏表示理论的超分辨率图像获取方法，其特征是，包括以下步骤：

1)对于输入图像，通过SIFT特征点提取和匹配的方法从图像库中选取特征点匹配最多的图像构造训练集；

2)对训练集中的图像和其下采样得到的低分辨率图像分别采样取一定数量的补丁，并对其稀疏编码构造训练字典D_h和采样训练字典D_l；

3)将训练得到的采样训练字典D_l作为稀疏化中的过完备字典，对输入的低分辨率图像进行稀疏表示；

4)依据压缩感知理论中图像恢复的理论，利用训练字典D_h和步骤3)中得到的稀疏解恢复得到高分辨率图像。

2.如权利要求1所述方法，其特征是，SIFT特征点提取与特征点匹配的方法具体包括以下步骤：

11)通过SIFT算法计算提取输入的低分辨率图像的特征点；

12)对图像库里的每一幅图像，分别计算提取其SIFT特征点；

13)用SIFT特征点匹配算法，将步骤11)中低分辨率图像的特征点和步骤12)中每一幅图像的特征点进行匹配，选取其中特征点匹配最多的几幅图像，以此构造训练图像集。

3.如权利要求1所述方法，其特征是，对训练图像采样，并稀疏编码，构造训练字典D_h和采样训练字典D_l，具体方法包括以下步骤：

21)对训练集中的图像进行采样一定数量的补丁，得到补丁集X_h＝{x₁，x₂，...x_n}；

22)对训练集中的图像下采样得到对应的低分辨率图像，对其采样一定数量的补丁，得到另一补丁集Y_l＝{y₁，y₂，...y_n}；

23)分别对补丁集X_h和另一补丁集Y_l稀疏编码，构造字典训练字典D_h和采样训练字典D_l，方法为：

Dh=argmin{Dh,Z}||Xh-DhZ||22+λ||Z||1]]>

Dl=argmin{Dl,Z}||Yl-DlZ||22+λ||Z||1]]>

其中，Z是一个n×m的矩阵，用Z的一范数来保证稀疏性，m、n为正整数，参数λ用来平衡重建的精度和前一项的差距。