[发明专利]基于凸优化理论的视频联合去噪及超分辨率方法和系统

权利要求书

1.一种基于凸优化理论的视频联合去噪及超分辨率方法，其特征在于，包括以下步骤：

根据稀疏编码理论，基于图像块，从多个清晰图像中学习，得到一组过完备低分辨率基和过完备高分辨率基；

分别建立关于噪声、重建系数矩阵和原始信号的约束式；

根据所述约束式建立目标函数；

利用增广拉格朗日优化方法对所述目标函数求解，得到所述原始信号和所述重建系数矩阵；以及

利用所述重建系数矩阵和所述过完备高分辨率基进行超分辨率操作，得到去噪后的清晰高分辨率视频。

2.如权利要求1所述的方法，其特征在于，所述得到一组所述过完备低分辨率基和所述过完备高分辨率基进一步包括：从多个所述清晰图像中选出多个像素块，采用sparse coding在多个所述像素块中学习，得到所述过完备低分辨率基和所述过完备高分辨率基，其中，多个所述清晰图像包括多个高分辨率图像和对应的低分辨率图像。

3.如权利要求1所述的方法，其特征在于，根据所述过完备高分辨率基和所述过完备低分辨率基，利用所述重建系数矩阵重建得到对应的所述低分辨率图像和所述高分辨率图像。

4.如权利要求1所述的方法，其特征在于，所述过完备低分辨率基和所述过完备高分辨率基在统计意义下对自然场景普适。

5.如权利要求1所述的方法，其特征在于，所述根据所述约束式建立所述目标函数进一步包括：对所述原始信号利用光流算法通过相对位移进行光流对齐，得到拍摄数据。

6.如权利要求5所述的方法，其特征在于，所述约束式包括：所述拍摄数据由原始信号和拍摄噪声组成。

7.如权利要求1所述的方法，其特征在于，所述约束式包括：所述摄噪声在以所述原始信号为均值的3δ范围内。

8.如权利要求1所述的方法，其特征在于，所述约束式包括：所述原始信号可用所述过完备低分辨率基重建表示。

9.如权利要求1所述的方法，其特征在于，所述约束式包括：如果两个所述像素块有重叠，则所述像素块重叠部分相同。

10.如权利要求1所述的方法，其特征在于，所述得到所述原始信号和所述重建系数矩阵进一步包括：利用所述增广拉格朗日优化方法，将所述目标函数分解为所述原始信号的迭代优化和所述重建系数的迭代优化，并改变相应的参数。

11.如权利要求1所述的方法，其特征在于，所述增广拉格朗日优化方法包括将所述约束条件进行增广拉格朗日展开，得到可解目标函数，并采用凸优化理论进行迭代求解。

12.如权利要求1所述的方法，其特征在于，所述超分辨率操作进一步包括：将得到的所述重建系数矩阵与所述过完备高分辨率基相乘，得到对应的所述超分辨率图像与视频。

13.如权利要求1所述的方法，其特征在于，根据所述相对位移对所述超分辨率图像与视频实施反光流算法，得到去噪后的所述清晰高分辨率视频。

14.一种基于凸优化理论的视频联合去噪及超分辨率系统，其特征在于，包括：

过完备基学习模块，用于根据稀疏编码理论，基于图像块，从多个清晰图像中学习，得到一组过完备低分辨率基和过完备高分辨率基。

约束式模块，用于分别建立关于噪声、重建系数矩阵和原始信号的约束式；

目标函数模块，用于根据所述约束式建立目标函数；

求解模块，用于利用增广拉格朗日优化方法对所述目标函数求解，得到所述原始信号和所述重建系数矩阵；以及

结果生成模块，用于利用所述重建系数矩阵和所述过完备高分辨率基进行超分辨率操作，得到去噪后的清晰高分辨率视频。

15.如权利要求14所述的系统，其特征在于，过完备基学习模块还用于，从多个所述清晰图像中选出多个像素块，采用sparse coding在多个所述像素块中学习，得到所述过完备低分辨率基和所述过完备高分辨率基，其中，多个所述清晰图像包括多个高分辨率图像和对应的低分辨率图像。

16.如权利要求14所述的系统，其特征在于，还包括重建模块，用于根据所述过完备高分辨率基和所述过完备低分辨率基，利用所述重建系数矩阵重建得到对应的所述低分辨率图像和所述高分辨率图像。