[发明专利]一种基于局部秩先验的单幅图像超分辨率重建方法

摘要

本发明是一种基于局部秩先验的单幅图像超分辨率重建方法。其核心是通过学习方法得到高分辨率图像的局部秩先验信息，利用这种先验信息，通过能量最小函数，约束待重建高分辨率图像的局部秩。然后将这种能量最小函数转化为局部秩约束的重建模型。考虑到图像的非局部特性，提出一种全局与非局部结合的优化模型。为了得到更好的非局部权值，还提出一种基于局部秩的优化的权值计算方法。本发明所提出的重建模型不仅能够很好的重建具有较多细节的高分辨率图像，而且能够减少重建图像的瑕疵以及锐化图像的边缘。

主权项

一种基于局部秩先验的单幅图像超分辨率重建方法，该方法包括以下步骤：步骤1，根据局部秩变换的原理，利用局部秩变换，将所得到的高分辨率训练图像块和低分辨率训练图像块分为两类：和然后分别求取每个类的类中心，并利用稀疏编码对每一类分别训练，得到相应的字典；其中为低分辨率训练图像块，为高分辨率训练图像块，为正局部秩变换图像块，为负局部秩变换图像块,n1,n2分别为Pδ和P‑δ类的训练样本数量；步骤2，利用训练得到的字典，求得高分辨率图像的局部秩先验；步骤3，提出能量最小化函数，约束高分辨率图像的局部秩；若待重建的低分辨率图像块属于类则提出的能量最小函数为：若待重建的低分辨率图像块属于类则提出的能量最小函数为：其中，R‑δ是重建的高分辨率图像的负局部秩，是重建的高分辨率图像块，表示对图像块进行正局部秩变换，表示对图像块进行负局部秩变换，E1(),E2(),E3()为能量函数；步骤4，将步骤3中能量最小化函数转化为约束优化问题，求得初始高分辨率图像；步骤5，对步骤4中求得的初始高分辨率图像做全局和改进权值的非局部约束，得到最终的高分辨率图像；其中在计算图像的非局部权值时，采用优化的基于局部秩的权值计算方法；在步骤1中，利用局部秩变换，将所得到的高分辨率训练图像块和低分辨率训练图像块分为两类：和此过程如下：首先，从通用的BSDS300高分辨图像库中随机选取70幅高分辨率图像作为训练图像，利用退化模型(1)生成对应的低分辨率图像：Y＝UBX  (1)式中，X表示高分辨率图像，Y表示对应的低分辨率图像，U表示下采样算子,B表示模糊算子；其次，对训练图像做局部秩变换，生成对应的正局部秩变换图像LRTδ(X)和负局部秩变换图像LRT‑δ(X)；最后，分别对低分辨率图像Y，高分辨率图像X，正局部秩变换图像LRTδ(X)和负局部秩变换图像LRT‑δ(X)进行分块处理，选取7×7块，得到相应的图像块：和对这些训练图像块按照是否为零，将对应的块和分类；若不为零，则将相应的块分到类若为零，则将相应的块分到类其中n1+n2＝n，n为总的训练样本数量；所述步骤5中的非局部约束的权值计算过程如下：在计算图像的非局部约束的权值时，采用优化权值计算方法：式中，N(Xi)为目标图像块，N(Xj)是搜索窗中的相似块，h1和h2是均衡参数，Z(i)是归一化算子，按公式(8)计算：