[发明专利]一种基于平稳小波变换的超分辨率重建方法

说明书

本发明涉及一种基于平稳小波变换的超分辨率重建方法，包括：构造训练集；(2)生成特征块，方法如下：对中分辨率图，采用平稳小波变换提取一阶二阶小波特征，记为低分辨率图像特征矩阵FL；对高分辨率图像，使用高频滤波器提取其全部高频信息，记为高分辨率图像特征矩阵FH；对高低分辨率特征矩阵，均采用的滑动窗口，做重叠取块操作，记为高分辨率特征块PH、低分辨率特征块PL；按照特征块的中心像素位置将低分辨率特征块和高分辨率特征块匹配，得到高低分辨率特征块配对。训练字典对；重建。

技术领域

本发明属于图像处理技术领域，特别涉及一种单帧图像超分辨率重建方法。

背景技术

超分辨率技术是近些年提出的一种提高图像清晰度的方法，在不改变图像采集的硬件条 件下，早期研究利用一组存在空间位移模糊程度不同的低分辨率图像序列重建高分辨率图 像，之后研究方向偏向于用单张低分辨率图像附加先验知识指导重建，称为单帧图像超分辨 率重建技术。超分辨率重建后的图像包含更加丰富的细节，更高的细节分辨力，更符合人眼 视觉需求，渐渐被应用于人脸识别、车牌识别、医学图像处理等领域。

单帧超分辨率算法可以大致分为三类：基于插值、基于重建、基于学习的方法。基于插 值的方法速度快，但因只利用了待重建的低分辨率图像像素点之间的关系，重建出来的图像 细节缺失模糊，效果不尽如人意，经典的图像插值方法有最近邻插法、双线性插值以及双立 方插值等。基于重建的超分方法其主要思想是首先建立图像降质的退化模型，然后对高分辨 率图像的先验信息建模，利用正则化方法将先验信息作为超分辨率重建的约束，主要分为频 域方法和空域方法两大类。而基于学习的方法认为在给定低分辨率图像输入的情况下，求解 高分辨率输出是一个病态问题，基于重建的方法人为地加入正则化模型，在放大倍数较大时 重建模型提供的信息会随分辨率提高倍数增加而减少。因而通过学习的算法获得高低分辨率 图像之间的映射关系，可以使一组特征间的查找表、学习到的插值核或对应表示系数等。专 利“一种基于交叉验证的平稳小波变换去噪方法”(CN105187341A)公开了一种基于交叉验 证的平稳小波变换去噪方法，首先利用交叉验证和平稳小波变换相结合确定最优阈值，再利 用该最优阈值基于平稳小波变换对谱去噪。该方法能够得到比较准确的阈值，有效滤除噪声， 避免Gibbs现象并保持谱峰特征不受影响。专利“基于稀疏表示理论的超分辨率图像获取方 法”(CN 102629373B)公开了一种基于稀疏理论的超分辨率方法，通过选择与输入图像SIFT 特征点匹配最多的图像作为构建过完备字典的训练图像集，训练得到细节更为丰富的字典， 依据稀疏表示理论将低分辨率图像进行稀疏表示，依据压缩感知理论从稀疏表示的低分辨率 图像恢复得到更高分辨率的图像。

发明内容

本发明的目的是提供一种单帧图像超分辨率方法，通过获得更良好的过完备的稀疏表示 字典来得到更高分辨率的图像。包括下列步骤：

一种基于平稳小波变换的超分辨率重建方法，包括下列方法：

(1)构造训练集，方法如下：

第一步：已知输入的高分辨率图像X_H，经下采样、模糊为低分辨率图像X_L；

第二步：将低分辨率图像X_L用双立方插值的方法简单放大到与高分辨率图像X_H相同 尺寸，记为中分辨率图像X_M；

(2)生成特征块，方法如下：

第一步：对中分辨率图，采用平稳小波变换提取一阶二阶小波特征，记为低分辨率图像 特征矩阵F_L；

第二步：对高分辨率图像，使用高频滤波器提取其全部高频信息，记为高分辨率图像特 征矩阵F_H；

第三步：对高低分辨率特征矩阵，均采用3×3的滑动窗口，做重叠取块操作，记为高 分辨率特征块P_H、低分辨率特征块P_L；