[发明专利]基于重建的图像超分辨率方法

说明书

本申请公开了一种基于重建的图像超分辨率方法，包括：a、对低分辨率LR图像Y，生成初始HR图像Xsubgt;0/subgt;，并将初始HR图像作为最近一次重建的HR图像X'；b、在最近一次重建的HR图像X'上，为每个图像块计算引导核，并由此建立相应的同质像素提取矩阵；在最近一次重建的HR图像X'上，为每个图像块利用同质像素提取矩阵进行自适应形状的块匹配，并计算第i个图像块的相似图像块组的预测值；采用最近一次重建的HR图像X'以及预先训练好的去噪器计算HR图像的梯度预测值；e、确定当前次重建的HR图像X，若未达到迭代次数上限，则将当前次重建的HR图像X作为最近一次重建的HR图像X'返回到步骤b，否则，将当前次重建的HR图像X进行保存或输出。应用本申请，能够提高超分辨率的性能。

技术领域

本申请涉及图像处理技术，特别涉及图像处理技术中一种基于重建的图像超分辨率方法。

背景技术

图像超分辨(Super Resolution,SR)技术的任务是从给定的低分辨率(LowResolution,LR)图像中恢复出高分辨率(High Resolution,HR)图像，具备较高的实用价值和广阔的应用前景。

已有的图像SR方法可以大致分为两类：一类是基于学习的方法，另一类是基于重建的方法。在基于学习的方法中，通常需要从给定的外部HR数据集中学习LR与HR空间的映射关系，常见的算法包括基于最近邻(Nearest Neighbor)的方法、基于稀疏表示(SparseRepresentation)的方法、基于协作表达(Collaborative Representation)的方法、基于深度学习(Deep Learning)的方法等。在基于重建的方法中，通常采用自然图像的先验知识来约束解空间。为了获取最优的SR重建结果，许多约束模型已被提出，常见的模型包括总变分(Total Variation)、非局部均值(Non-Local Means，NLM)、非局部低秩约束(Non-localLow Rank，NLR)等。

虽然已有许多SR方法被提出，但是，现有的方法均存在一定的不足，方法性能还有进一步提升的空间。

发明内容

有鉴于此，本申请的主要目的在于提供一种基于重建的图像超分辨率方法，能够克服传统方法在性能上的不足，在相同的放大倍数下可以获得质量更高的重建图像。

为达到上述目的，本申请采用如下技术方案：

一种基于重建的图像超分辨率方法，包括：

a、对LR图像Y，生成初始HR图像X₀，并将初始HR图像作为最近一次重建的HR图像X'；

b、在最近一次重建的HR图像X'上，为每个图像块计算引导核；对于每个图像块，将引导核系数大于预设门限值T_h的像素点作为该图像块中心像素点的同质像素点，并根据该图像块的所有所述同质像素点建立相应图像块的同质像素提取矩阵F_i；

在最近一次重建的HR图像X'上，对于每个图像块，利用该图像块的所有所述同质像素点进行自适应形状的块匹配，找到与该图像块最相似的N-1个图像块，并与该图像块构成相似图像块组，计算所述相似图像块组的预测值E_i＝[e_i,1,e_i,2,...e_i,N]；其中，N是预设的正整数，代表每个图像组中的图像块的数目，i表示图像X'上的图像块索引，x_i,n表示第i个图像块的相似图像块组中的第n个图像块；

采用最近一次重建的HR图像X'以及预先基于学习的方法训练好的去噪器，计算所述HR图像X'的梯度预测值G；