[发明专利]利用图像块分类稀疏表示与自适应聚合的图像超分辨方法

权利要求书

1.一种利用图像块分类稀疏表示与自适应聚合的图像超分辨方法，其特征在于包括字典学习阶段和图像超分辨重构阶段，其中在字典学习阶段，首先构建高分辨与低分辨图像块配对的训练集，再对训练集的图像块对进行分类，通过字典学习的方法对分类的图像块对进行学习，生成分类的过完备字典对；

在图像超分辨重构阶段，首先对输入的彩色低分辨图像的亮度分量进行分块操作，利用分类稀疏表示的方法进行超分辨重构，得到初始化的高分辨图像块；其次对高分辨图像块按照重叠区域取平均值方法进行聚合，其公式为：

从而得到初始估计的高分辨亮度分量X；然后利用可操纵核回归的方法计算初始估计的高分辨亮度分量X局部的权值矩阵A，同时利用非局部均值的方法计算初始估计的高分辨亮度分量X全局的权值矩阵B，将计算得到局部的权值矩阵A和全局的权值矩阵B进行图像块聚合，通过交替更新高分辨亮度分量X、矩阵A和矩阵B，直至满足收敛条件则停止更新，否则，则对上述计算矩阵A和矩阵B的步骤进行循环；最后将亮度分量与利用双立方插值放大的色度分量进行色彩融合，由YCbCr色彩空间转换到RGB色彩空间，得到输出的彩色高分辨图像。

2.根据权利要求1所述的利用图像块分类稀疏表示与自适应聚合的图像超分辨方法，其特征在于构建高分辨与低分辨图像块配对的训练集，具体过程为：

1a)收集M幅高分辨图像X_h，如果是彩色图像，则将其转换成灰度图像，然后通过已知的模糊滤波器H和下采样算子S得到低分辨图像Y_l，公式为：Y_l＝SHX_h；

1b)对低分辨图像进行双立方插值生成与原图大小一样的图像X_l，并将差分图像E_h＝X_h-X_l作为细节图像；

1c)将滤波器f₁＝[-1,0,1],f₂＝f₁^T,f₃＝[1,0,-2,0,1],f₄＝f₃^T分别与图像X_l进行卷积，生成特征图像，其中T代表转置；

1d)训练的高分辨图像块p_h和低分辨图像块p_l分别从细节图像和特征图像中抽取，得到N对像素位置一致的高分辨和低分辨图像块对集合P＝{p_h，p_l}。

3.根据权利要求1所述的利用图像块分类稀疏表示与自适应聚合的图像超分辨方法，其特征在于M的取值范围为[10，100]，N的取值范围为[10⁴，10⁵]。

4.根据权利要求1所述的利用图像块分类稀疏表示与自适应聚合的图像超分辨方法，其特征在于过完备字典对的生产过程为：利用K均值的方法对训练集的图像块对集合P进行分类，得到K类的图像块对和K个聚类中心再利用K-SVD方法通过联合学习的方法得到K对过完备的子字典对