[发明专利]基于多层次邻域嵌入的图像超分辨率重建方法及系统

说明书

本发明提供了一种基于多层次邻域嵌入的图像超分辨率重建方法和一种基于多层次邻域嵌入的图像超分辨率重建系统，其中，所述方法包括：对待处理图像进行可控金字塔分解操作，得到高通图像、低通剩余图像和多个方向上的带通子带图像；根据邻域嵌入算法对所述多个方向上的带通子带图像、所述高通图像和所述低通剩余图像分别进行重建处理，得到对应的高分辨率子带图像；对多个所述高分辨率子带图像进行所述可控金字塔分解操作的逆变换处理，以生成高分辨率图像。通过本发明的技术方案，可以有效地解决因直接重建图像的所有高频成分导致图像的纹理细节被平滑的问题，从而提高图像超分辨率重建的精确度。

技术领域

本发明涉及计算机图像处理技术领域，具体而言，涉及一种基于多层次邻域嵌入的图像超分辨率重建方法和一种基于多层次邻域嵌入的图像超分辨率重建系统。

背景技术

图像超分辨率重建是为了克服成像过程设备或技术的限制，从单帧低分辨率图像或低分辨率图像序列中重建一个高分辨率图像。目前，图像超分辨率重建算法可以分为三类：基于插值的算法，基于重建的算法和基于学习的算法。

具体地：(1)基于插值的算法是采用线性或非线性的算法，利用已知像素点估计出未知的像素值，例如NEDI(插值算法的简称，New Edge-Directed Interpolation)，SAI(插值算法的简称，Soft-decision Adaptive Interpolation)。(2)基于重建的算法是采用最大后验可能性模型使用各种正则项作为约束来描述自然图像的特征。(3)基于学习的算法是依赖于外部的数据集建立低分辨率图像块和高分辨率图像块之间的关系，本领域的研究人员提出了不同的模型来描述这种关系，包括利用马尔科夫随机场模型来描述，每一个低分辨率图像块对应几个高分辨率候选图像块，这一特点符合马尔科夫随机场模型的结构构造且可以通过图割或者置信传播的方法解决，然而这种算法计算复杂度很高。

另外，Yang等人(Jianchao Yang等人，2010TIP Image super-resolution viasparse representation的作者)提出基于稀疏表示的图像超分辨率算法，通过分别训练高低分辨率图像的字典，将输入的低分辨率图像用低分辨率字典稀疏表示，然后将该稀疏系数与对应的高分辨率字典相乘即可得高分辨率的图像。以及，基于高低分辨率图像块共享相似线性几何流形的假设，Chang等人(Hong Chang等人，2004CVPR Super-resolutionthrough neighbor embedding的作者)提出了邻域嵌入算法。

但是，现有的图像超分辨率算法均直接重建图像的空间差异部分，也就是图像的高频成分，然而，图像的结构特征可能体现在不同方向的频率域中，特别是在图像纹理比较丰富的情况下，直接重建图像的所有高频成分会导致图像的纹理细节直接被平滑。

因此，如何解决上述问题，提高图像超分辨率重建的精确度成为亟待解决的技术问题。

发明内容

本发明正是基于上述技术问题，提出了一种新的技术方案，可以有效地解决因直接重建图像的所有高频成分导致图像的纹理细节被平滑的问题，从而提高图像超分辨率重建的精确度。

有鉴于此，本发明的第一方面，提出了一种基于多层次邻域嵌入的图像超分辨率重建方法，包括：对待处理图像进行可控金字塔分解操作，得到高通图像、低通剩余图像和多个方向上的带通子带图像；根据邻域嵌入算法对所述多个方向上的带通子带图像、所述高通图像和所述低通剩余图像分别进行重建处理，得到对应的高分辨率子带图像；对多个所述高分辨率子带图像进行所述可控金字塔分解操作的逆变换处理，以生成高分辨率图像。