[发明专利]一种基于二次锚点邻域回归的图像超分辨率重建方法

权利要求书

1.一种基于二次锚点邻域回归的图像超分辨率重建方法，其特征在于，具体步骤包括：

步骤1，进行离线训练，所述离线训练的过程包括低分辨率字典、正映射矩阵和逆映射矩阵的训练，将离线训练的结果存储；

步骤2，输入低分辨率测试图像，提取所述低分辨率测试图像的特征图像块；

步骤3，选择一次锚点，对步骤2中输入的低分辨率测试图像进行一次超分辨率重建，获得一次重建高分辨率图像；

步骤4，应用步骤1中的逆映射矩阵，将步骤3获得的一次重建高分辨率图像映射成不同的低分辨率图像，在获得所述不同的低分辨率图像中选取与原始低分辨率测试图像分辨率最接近的低分辨率图像，将选出的低分辨率图像对应的锚点定为二次锚点；

步骤5，根据步骤4中获得的二次锚点对步骤2中所述的低分辨率测试图像进行二次超分辨率重建，获得最终的高分辨率图像；

其中，步骤2具体包括：

步骤2.1，输入低分辨率测试图像L^t；

步骤2.2，对步骤2.1输入的低分辨率测试图像L^t进行上采样，获得放大后的低分辨率图像

步骤2.3，用4个高通滤波器f₁＝[1,-1]，f₂＝f₁^T，f₃＝[1,-2,1]，分别与低分辨率图像进行卷积，获得梯度特征集梯度特征集的数量为4，r为梯度特征集的下标与高通滤波器的下标对应；

步骤2.4，从特征集中提取维数为n，大小为的低分辨率测试图像的第i个特征图像块

步骤2.5，利用主成分分析算法对低分辨率测试特征图像块进行降维处理，降维处理的数学公式为：

其中，是主成分分析降维的变换矩阵，降维处理后的特征图像块提取所有的低分辨率测试特征图像块，记为集合其中N₂为测试特征图像块的总数目；

步骤3具体包括：

逐块输入集合中的低分辨率测试特征图像块，选择一次锚点进行一次超分辨率重建，获得一次重建高分辨率图像；

步骤3中一次锚点选择的具体步骤包括：

步骤3.1，通过计算第i块低分辨率测试特征图像块与锚点之间的欧式距离，选定与欧氏距离最近的锚点作为一次锚点；

步骤3.2，根据步骤3.1中获得的一次锚点的下标m₁，得到所述一次锚点对应的正映射矩阵通过计算公式：

得到第i块低分辨率测试特征图像块对应的一次高分辨率图像块

步骤3.3，逐块处理完所有的低分辨率测试特征图像块，将获得的所有高分辨率图像块放到整幅图像中相应的位置上，重叠部分取均值，获得一幅整体的高分辨率图像

步骤4具体包括：

步骤4.1，将获得的高分辨率图像进行分块，得到高分辨率图像块集合

步骤4.2，利用所有的逆映射矩阵处理高分辨率图像块得到N块不同的低分辨率特征图像块，计算原始低分辨率测试特征图像块与所述N块不同的低分辨率特征图像块之间的欧式距离，选择欧式距离最小的低分辨率特征图像块对应的逆映射矩阵的下标m₂，作为二次锚点的索引；

步骤5具体包括：

步骤5.1，根据获得的二次锚点的索引，得到相应的正映射矩阵计算二次超分辨率重建的高分辨率图像块计算公式为：

步骤5.2，逐块重建高分辨率图像块，得到高分辨率图像块集合

步骤5.3，将步骤5.2中得到的所有高分辨率图像块放到合适的位置上并平均重叠区域，获得高分辨图像的高频成分

步骤5.4，将含有低频成分的低分辨率图像与含有高频成分的高分辨图像相加，获得高分辨率图像X^h。

2.根据权利要求1所述的一种基于二次锚点邻域回归的图像超分辨率重建方法，其特征在于，在步骤1中，通过K-奇异值分解算法训练出低分辨率字典，通过邻域回归训练出正映射矩阵和逆映射矩阵。