[发明专利]一种图像超分辨率重建方法和系统

说明书

本发明提供了一种图像超分辨重建方法和系统。该方法利用学生t分布混合模型对训练样本进行聚类，然后采用岭回归离线构建出每一类训练样本的重建投影矩阵，最后使用最合适的投影矩阵进行超分辨率重建，能够在保证重建效率的前提下提高图像超分辨重建的质量。

技术领域

本发明涉及图像处理，尤其涉及图像超分辨率重建的方法和系统。

背景技术

图像可以准确而且直观地反映自然界中的信息。图像质量很大程度上取决于图像的分辨率。高分辨率的图像细节更为丰富，蕴含的信息更多，不仅视觉效果好，而且有利于图像处理程序的后续处理。

例如，视频安防领域往往需要保存较长时间的监控录像，受存储容量限制，监控摄像头拍摄的录像的分辨率通常比较低。当出现异常情况时，低分辨率图像往往提供不了有效的信息，利用超分辨技术可以提升图像分辨率，方便相关人员对异常情况进行处理。又例如，医学图像领域中医学影像的质量很大程度上影响医生对病人病情判断与给出相关的治疗方案，通过CT等医学仪器得到的医学图像的质量往往受仪器精度、成像技术的限制和患者能承受的放射剂量的限制，无法得到满足要求的高分辨影像，通过超分辨技术重建出高分辨的医学影像，能使得医生能够更好的了解病情。

虽然，如上所述，能够利用高分辨率的图像进行处理是较为理想的。但是，高分辨率的数字影像在网络传输和存储的过程中，往往会占用大量带宽与存储容量。因此，利用超分辨技术将低分辨率图像重建为高分辨率图像，在减小网络传输带宽压力的情况下不降低人们的观看体验是非常合乎需要的。

一般而言，提高图像的分辨率可以通过硬件升级和/或软件计算来实现。通过升级成像设备的硬件来提高图像的分辨率的方法往往比较昂贵且很难实现。图像超分辨重建技术可以在不改变成像设备的硬件的条件下以低价的软件途径来提高图像的分辨率，因此图像超分辨率重建方法越来越受到人们的青睐，应用也越来越广泛。主流的图像超分辨重建方法主要可以分为基于插值的图像超分辨率重建算法和基于学习的图像超分辨率重建算法。

基于插值的图像超分辨率重建算法是比较早期的超分辨率重建算法，其特点是算法比较简单，运行效率高，但是重建的质量欠佳。宋刚等人提出了一种纹理细节保持的图像插值算法，该算法将待重建的图像划分为纹理区域和平滑区域，然后对纹理区域采用有理模型插值，平滑区域则使用多项式模型插值。(1.宋刚,杜宏伟,王平,刘新新,韩慧健.纹理细节保持的图像插值算法[J].计算机科学,2019,46(S1):169-176.)该算法相比常用的双三次插值方法而言重建效果更好，细节纹理保持优异，然而只使用图像本身所蕴含的信息，没有使用额外的外部信息，导致重建能力相对有限。