[发明专利]一种基于多任务高斯过程回归的图像超分辨率重建方法

权利要求书

1.一种基于多任务高斯过程回归的图像超分辨率重建方法，其特征在于：包括：

S1、对输入图像X₀进行高斯低通滤波和双三次上采样，得到高斯低通滤波图像Y₀和双三次上采样图像Y；

S2、根据待求取的超分辨图像X的任一图像片x采用最近邻域查找法构造图像片x的训练集i＝1,2,3，…，M，其中，是训练模型的输入向量，是训练模型的输出值，训练模型的映射函数为f_i:R^d→R，M为采样图像Y的图像片y在滤波图像Y₀中最近邻域图像片的总个数，为训练样本的总数量；

S3、根据构造的训练集采用多任务高斯过程回归模型进行参数训练，得到描述任务共性和差异的参数；

S4、根据多任务高斯过程回归模型对待求取图像片x进行预测，得到图像片x的每一个像素点，然后使图像片x在图像X上滑动，重新进行预测，最终得到超分辨图像X。

2.根据权利要求1所述的一种基于多任务高斯过程回归的图像超分辨率重建方法，其特征在于：所述步骤S2包括：

S21、在采样图像Y中找到与图像片x相对应的图像片y；

S22、在滤波图像Y₀中找到图像片y的M个最近邻域图像片y_0i；

S23、在输入图像X₀中找到与最近邻域图像片y_0i相对应的图像片x_0i，然后对于图像片x_0i的每一个像素点在图像片y_0i中找到它对应位置的八邻域向量从而图像片x的训练集

3.根据权利要求2所述的一种基于多任务高斯过程回归的图像超分辨率重建方法，其特征在于：所述步骤S3包括：

S31、根据构造的训练集和先验约束对多任务高斯过程回归模型的参数进行描述，得到相应的参数描述方程；

S32、采用梯度下降法对得到的参数描述方程进行参数求解，最终得到满足设定收敛条件的多任务高斯过程回归模型参数。

4.根据权利要求3所述的一种基于多任务高斯过程回归的图像超分辨率重建方法，其特征在于：所述步骤S31包括：

S311、求出八邻域向量的隐藏变量函数f以及相应的协方差所述隐藏变量函数f以及相应的协方差的表达式为：

f=(f11,...,f1n1,...,fM1,...,fMnM)Tf|{Y0i}i=1M~N(0n,K)k(y0ij,y0i′j′)=exp(-θ||y0ij-y0i′j′||2),]]>

其中，为向量对应的隐藏变量，N为正态分布函数，K为函数f的协方差矩阵，0_n表示值为0的n×1向量，和分别表示不同位置的训练模型输入向量，θ为第一参数；

S312、求出图像片x的训练集输出值的隐藏变量函数z，所述隐藏变量函数z的表达式为：

zij=g(x0ij)=a×tanh(b(x0ij+c))z=(z11,...,z1n1,...,zM1,...,zMnM)Tz|f~N(f,D),]]>

其中，为第二参数，tanh为双曲正切函数，D为函数z的协方差，且D为n×n的对角矩阵；

S313、根据先验约束求出多任务高斯过程回归模型的参数描述方程，所述求出的参数描述方程表达式为：

p(z|{Y0i}i=1M)=N(0,K+D)Dkk=σi2lnσi~N(μ,ρ2),]]>

其中，p()函数为概率函数，D_kk为D中(k,k)位置的协方差，σ_i为第i个任务的噪声等级，μ为均值，ρ为标准差。