[发明专利]基于级联线性回归的图像超分辨重建方法

权利要求书

1.一种基于级联线性回归的图像超分辨率重建方法，包括如下步骤：

(1)从网络上选择N幅高分辨自然图像，并将这N幅高分辨图像从RGB空间转换到YCbCr空间，然后下采样s倍得到对应的低分辨图像，提取高分辨图像的亮度分量和低分辨图像的亮度分量构成训练数据集s>0，N>0；

(2)对训练数据集进行训练学习，得到T组线性回归系数和T组线性回归偏置以及T组估计特征块集合的聚类中心其中T为训练迭代次数，C为训练聚类的类数；

(3)给定任意一张测试的低分辨图像Y，将其从RGB空间转换到YCbCr空间，并利用双立方插值方法对低分辨图像Y进行上采样，得到初始估计高分辨图像并提取初始估计高分辨图像的亮度分量蓝色色度分量以及红色色度分量

(4)将亮度分量分为大小相同且相互重叠的图像块并计算每个图像块

的均值其中Q为图像块的总个数；

(5)根据步骤(4)得到的参数计算初始估计的特征块：

(6)对初始估计特征块进行迭代更新，得到估计特征块

(7)利用步骤(6)得到的估计特征块和步骤(3)得到的图像块均值s_i重建高分辨亮度分量图像块

(8)将步骤(7)重建的图像块融合生成一幅对应于测试图像的清晰的高分辨亮度分量图像

(9)将步骤(8)生成的亮分辨度分量图像与步骤(3)得到的蓝色色度分量红色色度分量进行组合，得到组合图像并将组合图像由YCbCr空间转换到RGB空间，得到重建高分辨图像

2.根据权利要求1所述的基于级联线性回归的图像超分辨率重建方法，其特征在于，步骤(2)所述的对训练数据集进行训练学习，按如下步骤进行：

(2.1)利用双立方插值法对低分辨图像的亮度分量进行上采样s倍，作为相应的高分辨图像的初始估计图像

(2.2)将初始估计图像和其对应的高分辨图像亮度分量分为大小相同且相互重叠的图像块；随机选择M对图像块作为训练图像块集；用训练图像块集中的每一个图像块的像素值减去其均值作为特征，构成训练特征块集合

(2.3)迭代求解T组级联的线性回归系数和T组线性回归偏置以及T组估计特征块集合的聚类中心

2.3a)在第t步，计算特征估计误差块j＝1,…,M，1≤t≤T；

2.3b)利用K-means方法将训练特征块集合聚为C类，并得到C个聚类中心

2.3c)求解C类特征块的线性回归系数和线性回归偏置

(2.3c1)求第k类特征块的回归参数矩阵R：

其中()^T表示矩阵的转置，I为单位矩阵，M_k表示属于第k类的特征块个数，1≤k≤C；β>0，λ>0；

(2.3c2)求第k类的线性回归系数和线性回归偏置将回归参数矩阵R的前L-1列作为将回归参数矩阵R的最后1列作为其中L为R的列数；

(2.3c3)重复执行(2.3c1)至(2.3c2)，直至执行完C步；求得线性回归系数和线性回归偏置

2.3d)重复执行2.3a)至2.3c)，直到执行完T步，得到T组线性回归系数和T组线性回归偏置以及T组估计特征块集合的聚类中心

3.根据权利要求1所述的基于级联线性回归的图像超分辨率重建方法，其特征在于，步骤(6)所述的对初始估计特征块进行迭代更新，按如下步骤进行：

6a)设迭代步数为T，在第m步计算每个估计特征块与C个类中心的距离，并找到与估计特征块距离最小的类中心其中1≤l≤C，1≤m≤T，T≥1；

6b)利用线性回归系数以及线性回归偏置计算估计特征块误差

6c)更新估计特征块为：

6d)重复执行步骤6a)-6c)，直至执行完T步，得到估计特征块