[发明专利]一种基于组稀疏编码的图像放大方法

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于组稀疏编码的图像放大方法。

背景技术

图像放大是图像处理的基本操作之一，它广泛应用于医学图像、遥感图像、网页制作以及一些商用图像处理软件中。图像放大即将一幅低分辨率的图像转换为高分辨率图像的一种图像处理技术，对一幅图像进行放大，实质上是对图像插值的过程。图像放大目前已经有了很多实用化的方法，它们有各自的特点、优点和不足。图像放大算法的选择直接影响到放大图像的质量，所以寻找合适的算法是提高放大图像质量的关键。

生物学实验表明，视皮层对外界刺激的处理采用神经稀疏表示原则。稀疏编码源于视神经网络的研究，是对只有一小部分神经元同时处于活跃状态的多维数据的神经网络的表示方法，在视神经细胞的响应特性和外部环境刺激的统计特性之间建立一种科学的数量联系，逐渐成为一种有效理解人类神经系统信息加工机制的理论工具，在盲源信号分离、语音信号处理、自然图像特征提取、自然图像去噪以及模式识别方面等方面取得了许多成果，具有重要的实用价值。自然图像的稀疏编码模型，是一种模拟哺乳动物视觉系统主视皮层VI区简单细胞感受野的人工神经网络方法，其编码方式不依赖于输入数据性质，仅仅依靠外界感知信息的统计特性，是一种自适应的信号统计方法。稀疏编码方法能充分利用自然图像数据中的高阶统计信息，获得好的分析处理效果。

研究表明，基于稀疏编码的自然图像处理方法，与建立在数字信息处理和概率基础上的传统图像处理方法相比，具有独特的优势，为图像处理提供一种基于视觉信息处理的新途径。

目前主要的图像放大方法大致可以分为两类：第一类是常规插值，包括最邻近点插值、双线性插值、拉格朗日插值及三次样条插值等，这类方法是根据离散的点建立一个连续函数，用这个重建的函数求出任意位置处的函数值。第二类是利用图像中包含不同的高、低频成分的特点，经过对图像的数学统计特征的分析，采用不同的方式对图像不同部分进行插值的非线性的、移变得插值方法。

基于超完备字典的图像稀疏表示是一种新的图像表示理论，利用超完备字典的冗余性可以有效地捕捉图像的各种结构特征，从而实现图像的有效表示．

对比各种基础图像放大方法并结合实验数据，现将效果参数列举如下表：

除此之外最新的基于稀疏编码的图像放大技术由于稀疏约束力度不足，导致图像放大的质量依然存在提高的空间。

发明内容

本发明通过将相似逻辑小块图像进行组稀疏约束且结合其梯度特征等相关约束，从而得到更高质量的放大图像。

本发明提供一种基于组稀疏编码的图像放大方法，包括：

建立高低分辨率图像间的映射关系；

输入一幅低分辨率图像的图片，并提取出其亮度通道；

将输入的低分辨率图像的图片分成3*3的具有重复的逻辑小图片；

利用低分辨率字典并加入稀疏约束得出该低分辨率图像的稀疏系数；

将该稀疏系数乘以高分辨率字典得到一个初始高分辨率图像的图片；

利用梯度下降法，约束当前得到的高分辨率图像经下采样后接近当前输入图像，得到最终的高分辨率图像的图片。

在将该稀疏系数乘以高分辨率字典得到一个初始高分辨率图像的图片之后还包括：

利用引入反馈算法处理初始高分辨率图像的图片。

通过实施本发明，整个技术实现过程简单明了，过使用比之前算法约束更加严格的组稀疏约束，使得本论文最终放大的图像拥有很高的信噪比，且得到更好的视觉效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例中的基于边缘保持全变分模型的色调映射方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

通过将相似逻辑小块图像进行组稀疏约束且结合其梯度特征等相关约束，从而得到更高质量的放大图像。归纳起来分为以下三部分：

2.1.1构造超完备字典