[发明专利]基于多特征学习的超分辨图像重建方法及系统

权利要求书

1.基于多特征学习的超分辨图像重建方法，其特征是，包括：

步骤(1)：获取图像高频信息：对原始输入图像进行降采样处理得到中间图像；对中间图像进行插值放大处理得到低分辨率图像，对输入图像和低分辨率图像进行分块作差得到高频信息图像；对高频信息图像进行奇异值阈值化处理，去除高频信息图像的伪像素，得到有效高频信息图像；

步骤(2)：高低分辨率图像的特征关系训练：

对输入图像进行插值放大处理得到高分辨率图像；

从低分辨率图像中提取图像的第一梯度特征和第一像素特征；

从高分辨率图像中提取图像的第二梯度特征和第二像素特征；

基于K邻近搜索算法对第一像素特征和第二像素特征进行处理，得到像素特征映射关系R1；基于像素特征映射关系R1对原始输入图像进行处理，得到包含高频信息的放大图像HI；

基于K邻近搜索算法对第一梯度特征和第二梯度特征进行处理，得到梯度特征映射关系R2；基于梯度特征映射关系R2对有效高频信息图像进行处理，得到初始重建图像HB；

步骤(3)：对初始重建图像HB和包含高频信息的放大图像HI对应位置的像素值进行分块叠加，得到结果图像HH。

2.如权利要求1所述的方法，其特征是，对输入图像和低分辨率图像进行分块作差得到高频信息图像的具体步骤为：

设置一个3×3的窗口，窗口的步长是1；窗口沿着输入图像的行每次滑动一格，窗口内图像块的所有像素点像素值设置为一个行向量；当前行滑动结束后，就开始下一行从左到右的滑动，在滑动的过程中，窗口区域一直处在图像内部；直至窗口在整个输入图像中滑动完毕；随着窗口在输入图像上滑动，窗口将输入图像划分为若干个行向量；

同理，窗口沿着低分辨率图像的行每次滑动一格，窗口内图像块的所有像素点像素值设置为一个行向量；随着窗口在低分辨率图像上滑动，窗口将低分辨率图像划分为若干个行向量；

分块作差，就是输入图像的行向量与低分辨率图像的对应图像块的行向量进行作差；

作差后得到的每个行向量的差值即为高频信息图像的对应窗口的像素值，根据窗口的像素值，得到高频信息图像。

3.如权利要求1所述的方法，其特征是，对高频信息图像进行奇异值阈值化处理，去除高频信息图像的伪像素，得到有效高频信息图像的具体步骤为：

步骤(101)：对高频信息图像B_m*n进行奇异值分解，其中，m表示图像B的行数，n表示图像B的列数，得：

其中，U是m*m的正交矩阵，V是n*n的正交矩阵，Σ＝diag(λ₁,λ₂,...,λ_m)，其中，λ_i是矩阵B的第i个奇异值，i＝1,2...,m，λ₁≥λ₂≥λ₃...≥λ_m≥0；

步骤(102)：利用设定阈值τ对奇异值矩阵阈值化，去除高频信息图像的伪像素，获取有效高频信息，如果图像B的所有奇异值均满足λ_i＞τ，则λ′_i＝λ_i-τ；如果图像B的所有奇异值均满足λ_i≤τ，则λ′_i＝0；其中，i＝1,2,...,m；λ_i表示图像B的第i个奇异值；λ′_i表示图像B的第i个奇异值被阈值化后的奇异值；即:Dτ＝diag{λ′_i}，Dτ表示B对应的有效奇异值矩阵；

步骤(103)：重建有效高频信息图像：利用得到的有效奇异值矩阵Dτ重建有效高频信息图像B'。