[发明专利]一种基于SAE和稀疏表示的图像超分辨率方法

权利要求书

1.一种基于SAE和稀疏表示的图像超分辨率方法，其特征在于：包括以下步骤：

步骤一：对原始训练图像库中的每一张高分辨率原图像进行下采样，然后通过插值技术将图像上采样到原尺寸，以此得到失去高频细节信息的图像,获取一系列有对应关系的高、低分辨率图像集合；

步骤二：在训练阶段，对每幅低分辨图像采用随机采样的方式采集m个p×p的图像块，并记录每幅图像块中相应采样点在原图像中的位置信息和所有相关的低分辨率图像采样块；

步骤三：在训练阶段，利用高低分辨率图像间的差分方法得到插值放大过程中丢失的高频细节成分图像，借助低分辨率采样块时记录的采样点位置信息对高频细节图像进行采样，即可得到与低分辨率图像块相对应反映高频细节成分的高分辨率图像块；

步骤四：在训练阶段，利用深度学习中的稀疏自编码(SAE)模型采用无监督学习的方式分别对上述每幅图像中所采集的高、低分辨率图像块进行训练学习，将SAE模型训练结束后的输入层与隐含层之间的权重特征作为对应图像所提取的特征，将所有图像的特征组成联合矩阵，得到用于字典训练的所有低分辨率图像特征X_L和所有高分辨率图像特征X_h；

步骤五：在训练阶段，利用KSVD算法对由SAE提取的所有低分辨率图像特征进行字典训练，得到描述低分辨率图像的低分辨字典D_L和相关的稀疏表达系数矩阵A，通过结合稀疏表达系数矩阵A和高分辨率图像特征X_h，估计出对应的高分辨率字典D_h＝X_hA^T(AA^-1)^-1，将高低分辨率字典对{D_h,D_L}用于超分辨率重构阶段；

步骤六:在重构测试阶段，将低分辨率测试输入图像插值放大到指定倍数R，得到待重建的插值低分辨率图像，运用压缩感知中正交匹配跟踪算法(OMP)计算该插值低分辨率图像在字典D_L下的稀疏表达系数矩阵B，这样利用D_hB可以估计图像插值过程中丢失的高频细节成分，将该成分与低分辨率插值图像进行叠加融合即可估计重构出所需完整的高分辨率图像。

2.根据权利要求1所述的基于SAE和稀疏表示的图像超分辨率方法，其特征在于：在步骤一中，利用图像上采样和下采样过程中保持采样因子相同可以从原 始高分辨率训练集中得到失去高频细节信息的低分辨率图像，建立存在对应关系的高、低分辨率图像训练集。

3.根据权利要求2所述的基于SAE和稀疏表示的图像超分辨率方法，其特征在于：在步骤二中，在高、低分辨率图像训练集中，通过随机采样方式对每幅低分辨率图像进行处理，获取大量的由图像中不同位置点处像素组成的低分辨率图像块,为提取高分辨率细节图像块提供相应的采样点的位置数据。