[发明专利]一种基于局部跨尺度自回归模型的单幅图像超分辨率方法

说明书

本发明涉及图像处理技术，其公开了一种基于局部跨尺度自回归模型的单幅图像超分辨率方法，解决传统技术中采用平滑先验或者梯度先验对重建图像进行约束带来的会模糊输出图像细节或者输出结果过于锐化的问题。该方法包括以下步骤：a.对原始输入低分辨率图像利用双三次插值得到初始估计；b.计算图上所有局部5*5像素块的像素方差并进行非平滑性检测；c.利用得到的初始估计，进行2倍下采样得到4幅下采样版本的低分辨率图；d.对每一幅低分辨率图的每一个像素点进行选择性像素处理：如果像素点为非平滑点，则利用SAI方法估计其局部回归模型，否则，直接预设模型参数；e.根据4幅图估计的所有局部回归模型，利用迭代求解的方法对重建的高分辨率图进行约束。

技术领域

本发明涉及图像处理技术，具体涉及一种基于局部跨尺度自回归模型的单幅图像超分辨率方法。

背景技术

图像超分辨率是从一个或多个输入低分辨率图像恢复高分辨率图像的技术。该技术也是其它许多实际应用的基础工作，例如：目标检测、视频监督、医学成像处理。过去的三十年中，许多超分辨率方法被研究者们提出来用于解决各种应用背景下的高分辨率图像估计问题。总的来说，这些方法可以分为三大类：基于插值的方法、基于学习的方法、基于重建的方法。虽然目前很多方法已经能够获取不错的效果，但随着应用需求的增长，人们仍然希望能够有更好的超分辨率方法来进一步提升图像分辨率。

单幅图像超分辨率属于严重的病态逆问题，为了降低问题病态性，需要加入合适的图像先验信息对输出的解进行约束。常见的图像先验包括平滑先验(如:总变分先验、吉诺洪夫先验)、梯度先验(如:梯度轮廓先验)等。但是平滑先验会模糊输出图像的细节信息，而梯度轮廓先验会是输出结果过于锐化，而且，如果测试图像不符合假设的梯度轮廓先验时，效果会大大降低。

发明内容

本发明所要解决的技术问题是：提出一种基于局部跨尺度自回归模型的单幅图像超分辨率方法，解决传统技术中采用平滑先验或者梯度先验对重建图像进行约束带来的会模糊输出图像细节或者输出结果过于锐化的问题。

本发明解决其技术问题所采用的技术方案是：

一种基于局部跨尺度自回归模型的单幅图像超分辨率方法，包括以下步骤：

a.对原始输入低分辨率图像利用双三次插值得到初始估计；

b.计算图上所有局部5*5像素块的像素方差并进行非平滑性检测：若像素方差大于某一门限，则判定该像素块为非平滑区域，否则判定为平滑区域；

c.利用得到的初始估计，进行2倍下采样得到4幅下采样版本的低分辨率图；

d.对每一幅低分辨率图的每一个像素点进行选择性像素处理：如果像素点为非平滑点，则利用SAI方法估计其局部回归模型，否则，直接预设模型参数；

e.根据4幅图估计的所有局部回归模型，利用迭代求解的方法对重建的高分辨率图进行约束；

f.当前后两次迭代结果的差值与当前估计值的比值小于预设的门限，或者判定迭代次数到达预设值，停止迭代，否则跳转至步骤b。

作为进一步优化，步骤d中，直接预设模型参数包括：对角邻域上的四个模型参数直接赋值为1/4，其余为0。

本发明的有益效果是：能够获得很好的超分辨率效果，明显优于经典的基于平滑先验、梯度先验等的超分辨率方法；而且本发明的实质是提出了一个有效的图像先验信息，能够很容易地扩展到其它图像视频处理领域，例如图像去模糊、图像修复、视频超分辨率等。

附图说明

图1为实施例基于局部跨尺度自回归模型的单幅图像超分辨率方法流程图。

具体实施方式