[发明专利]一种图像超分辨率重建方法和系统

权利要求书

1.一种用于图像超分辨重建的方法，包括：

训练阶段：

获取训练样本，所述训练样本包括多个经向量化的图像对，每个经向量化的图像对包括经向量化的低分辨率训练样本和对应的经向量化的高分辨率训练样本；

对所获取的训练样本进行聚类；以及

计算针对每一类别的训练样本的重建投影矩阵；

重建阶段：

从输入的低分辨率图像中获取待重建样本；以及

基于所述待重建样本，从所述重建投影矩阵中选择与所述待重建样本的类别对应的重建投影矩阵来构建高分辨率重建图像。

2.如权利要求1所述的方法，其特征在于，所述方法进一步包括：

对训练数据进行增强，所述训练数据包括多个图像对，每个图像对包括高分辨率图像和对应的低分辨率图像。

3.如权利要求2所述的方法，其特征在于，对训练数据进行增强进一步包括：

对于所述训练数据进行水平方向和/或垂直方向的翻转，以扩充训练样本数量。

4.如权利要求2所述的方法，其特征在于，获取训练样本进一步包括：

对于所述图像对中每个图像对的低分辨率图像：

使用两个一阶梯度算子和一个拉普拉斯高斯算子来对所述低分辨率图像进行特征提取；

获取三个特征图作为所述低分辨率图像的特征；

在所述三个特征图上按照对应位置进行重叠取块；以及

将三个特征块进行向量化后串联为最终的低分辨率训练样本，以及对于所述图像对中每个图像对的高分辨率图像：

使用所述高分辨率图像与对应的低分辨率图像之间的残差作为所述高分辨率图像的特征图；

在所述高分辨率图像的特征图上进行重叠取块；以及

将特征块进行向量化后作为最终的高分辨率训练样本。

5.如权利要求4所述的方法，其特征在于，获取训练样本进一步包括：对所述低分辨率样本的向量使用主成分分析法进行降维。

6.如权利要求4所述的方法，其特征在于，对所获取的训练样本进行聚类进一步包括：

使用学生t分布混合模型对所获取的低分辨率训练样本进行聚类；以及

保留每一类别的聚类参数。

7.如权利要求1所述的方法，其特征在于，计算针对每一类别的训练样本的重建投影矩阵进一步包括：

使用K-SVD算法训练出每一类训练样本对应的高低分辨率字典对；以及

使用岭回归获得每一类训练样本的重建投影矩阵。

8.如权利要求1所述的方法，其特征在于，从输入的低分辨率图像中获取待重建样本进一步包括：

将所述输入的低分辨率图像放大到指定倍数，以及

对经放大的图像进行重叠取块，得到所述待重建样本。

9.如权利要求8所述的方法，其特征在于，从所述重建投影矩阵中选择与所述待重建样本的类别对应的重建投影矩阵来构建高分辨率重建图像进一步包括：

利用所述训练阶段的所述聚类参数，计算所述待重建样本在每一类别上的后验概率，选择最大的一类别作为所属类别；以及

使用与所述所属类别对应的重建投影矩阵来对所述待重建样本进行重建。

10.一种用于图像超分辨重建的系统，包括：

处理器；

存储器，所述存储器存储有指令，所述指令在被所述处理器执行时能执行如权利要求1-9所述的方法。