[发明专利]一种基于双层模型的单幅图像超分辨率重建方法

说明书

技术领域

本发明属于图像处理技术领域，涉及一种图像的超分辨重建方法，可用于各类自然图像的超分辨重建。

背景技术

图像的超分辨率重建可以看作是从一幅或者多幅低分辨率图像恢复出一幅高分辨率图像的一个逆问题，在视频监控、医学成像、卫星遥感遥测、军事侦察与定位、高清电视成像等方面应用广泛。目前国内外学者为了解决图像超分辨率重建这一逆问题，做了大量的研究工作，提出了许多经典的算法，主要可分为三个范畴：基于插值、基于重建和基于学习的方法，基于插值和重建的方法会在图像重建过程中产生振铃、块效应以及图像过度平滑现象，并且在放大倍数较大情况下重构出的图像质量下降较严重；因此，Freeman等提出了一种基于学习的重构方法，主要通过使用Markov网络对图像的空间关系进行建模。而后Chang等提出了基于邻域嵌入的图像超分辨率重建方法，其假定了高分辨率和对应的低分辨率图像块在特征空间可以形成具有相同局部几何结构的流形。但是这种方法获得的高分辨率图像缺乏细节信息，图像边缘比较模糊；此后，Yang等提出了使用稀疏表示方法来实现超分辨率重建，首先收集训练库（高-低分辨率图像），然后训练一个普通的字典对（高-低分辨率字典），接着利用这对字典来重建给定的低分辨图像。此方法对于图像中的不同成分如边缘和纹理都采用相同的处理，易导致重建出的图像在细节和边缘处趋于模糊。

发明内容

本发明的目的是提出一种基于双层模型的单幅图像超分辨率重建方法，以在图像超分辨率重建过程中，有效解决以上技术存在的缺陷，恢复更多的图像细节信息，提高重建图像的质量。

为实现上述目的，本发明所采用的技术方案如下：

一种基于双层模型的单幅图像超分辨率重建方法，包括

1、利用L₀梯度最小化方法和HoG算子来获取训练集合，然后训练这些集合的对应字典对{(D¹_l，D¹_T),(D²_l，D²_T),...(D^K_l，D^K_T)}；

2、依据用于测试的低分辨率图像块和用于训练的低分辨率图像块的方向梯度直方图信息，自适应的选取用于测试的低分辨率图像块对应的几何字典对(Dⁱ_l，Dⁱ_T)，然后求解出测试低分辨率图像对应的高分辨率纹理细节图像；

3、利用L₀梯度最小化方法求解出用于测试的低分辨率图像的高分辨率边缘结构图像；

4、把高分辨率纹理细节图像加到高分辨率边缘结构图像上得到初始高分辨率图像；

5、对4得出的初始高分辨率图像进行全局和局部约束得到最终高分辨率图像。

具体的方法步骤如下：

（1）从BSDS300高分辨图像库（全名：The Berkeley Segmentation Data Set 300。来自于：Berkeley University of California。用途：被用于图像分割，识别，分类，以及图像重建的训练库和测试库。链接：http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/）中随机选取n幅作为训练图像X₁,X₂,…X_n，然后运用退化模型式（1）生成对应的低分辨率训练图像Y₁,Y₂,…Y_n。

Y=UBX   (1)

其中，向量X表示高分辨率图像，向量Y表示对应的低分辨率图像，矩阵U表示下采样算子,矩阵B表示模糊算子；

（2）生成高分辨率边缘结构图像然后执行X_i与的相减操作，生成高分辨率纹理细节图像过程如下：

（2a）获取高分辨率边缘结构图像的目标函数：