[发明专利]一种快速图像超分辨率重构方法

说明书

一种快速图像超分辨率重构方法，该方法利用自然图像纹理具有相似性这一先验，将训练图像数据库中的图像分割为图像块，并拉伸为向量；然后利用这些向量训练稀疏编码字典；对对应的高低分辨率图像数据集训练稀疏编码字典，可以得到对应的高、低分辨率字典；对于新输入的低分辨率图像，先利用低分辨率字典计算稀疏编码，而后用高分辨率字典乘以此编码得到高分辨率图像。在稀疏系数求解过程中，先对固定字典计算标准正交基的稀疏系数，对于新输入的稀疏系数采用标准正交基的稀疏系数加权求和的方式快速求取。在图像块处理过程中，采用CUDA技术并行处理各个图像块，可将处理时间缩短为传统CPU计算的万分之一。本发明用于快速获取单幅图像的超分辨率图像。

技术领域

本发明涉及一种快速图像超分辨率重构方法，属于计算机视觉技术领域，具体涉及稀疏表示理论、快速稀疏编码求解技术、CUDA并行加速技术和单图像超分辨率方法。

背景技术

人们对于图像质量的追求是没有止境的，而决定图像质量的关键因素是图像分辨率。单图像超分辨率就是利用单帧低分辨率图像重构出高分辨率图像。超分辨率图像不仅是图像大小变大，其结构信息和纹理细节应当比有图像有更好的辨识性。传统图像插值算法假设图像具有连续性，使得计算出的高分辨率图像在高频区域产生模糊。

为了获得更好的高频细节，必须引入更多的先验信息。Yang等人(参考文献Jianchao,Yang,John Wright,Thomas Huang,and M.Yi.Image super-resolution assparse representation of raw image patches.In Proc.IEEE Conf.on ComputerVision and Pattern Recognition,pp.1-8.2008.)提出了利用自然图像训练对应的高低分辨率字典的方法来学习自然图像的纹理先验，并用此先验补充单幅图像超分辨率的高频细节。此方法设计大量图像块的稀疏编码求解，计算量大，耗时长。

Yang的方法耗时长的原因在于：一是稀疏编码求解是一个优化过程，求解步骤中需要迭代多次。二是对于图像块的操作虽然是简单重复，但是没有一个很好的并行方法，导致处理时间上堆叠。

发明内容

针对Yang方法耗时长的问题，本发明提出了一种快速图像超分辨率重构方法。本发明提出一种全新的稀疏编码求解思路，并用CUDA并行求解图像块的稀疏编码和高分辨率重构，极大加速了求解过程。

本发明的技术方案是：

一种快速图像超分辨率重构方法，包括如下步骤：

S1.准备对应的高、低分辨率图像数据库，将彩色图像转化为灰度图像。

随机选取任一自然图像测试集中的不少于50张图像，选取的这些图像组成高分辨率图像数据库；然后将选取的所有图像按照β:1比例降采样得到对应的低分辨率图像，这些低分辨率图像组成低分辨率图像数据库；

将高、低分辨率图像数据库中的图像转化为灰度图像，并将得到的高、低分辨率的灰度图像分别划分为的图像块，其中N为高、低分辨率图像分块的像素数。

S2.利用划分的图像块，分别训练低分辨率字典D_l∈R^N×n和高分辨率字典D_h∈R^N×n，其中N为高、低分辨率图像分块的像素数，n为字典宽度，且n＞＞N。训练方法为求解如下优化问题：

D＝arg min_D,α||Y-DX||+λ||X||₀s.t.||x_i||₀≤1

其中Y＝(y₁,...,y_p)为训练图像块向量为列构成的矩阵，X＝(x₁,...,x_p)为解向量构成的矩阵。