[发明专利]一种图像超分辨率重建方法

摘要

本发明公开了一种图像超分辨率重建方法，包括：对输入图像YL分别进行高斯低通滤波和双三次上采样，得到高斯低通滤波图像XL和双三次上采样图像XH；根据输入图像YL和高斯低通滤波图像XL构建图像对训练集然后根据图像对训练集D采用最近邻域查找法得到图像XH的训练样本对集合；采用多任务高斯过程回归模型对图像XH的训练样本对集合进行描述，然后采用梯度下降法进行参数训练，求出图像XH样本所对应的多任务高斯模型参数以及多任务高斯模型输出YH；对求出的多任务高斯模型输出YH采用反向投影法得到最终的超分辨率图像。本发明具有速度快且效果好的优点，可广泛应用于图像处理领域。

主权项

1.一种图像超分辨率重建方法，其特征在于：包括：S1、对输入图像YL分别进行高斯低通滤波和双三次上采样，得到高斯低通滤波图像XL和双三次上采样图像XH；S2、根据输入图像YL和高斯低通滤波图像XL构建图像对训练集然后根据图像对训练集D采用最近邻域查找法得到图像XH的训练样本对集合，其中，p表示图像片的位置；S3、采用多任务高斯过程回归模型对图像XH的训练样本对集合进行描述，然后采用梯度下降法进行参数训练，求出图像XH样本所对应的多任务高斯模型参数以及多任务高斯模型输出YH，所述图像XH样本所对应的多任务高斯模型参数为图像XH不同位置的样本赋予了不同的噪声级别；S4、对求出的多任务高斯模型输出YH采用反向投影法得到最终的超分辨率图像；所述步骤S2，其包括：S21、从输入图像YL和高斯低通滤波图像XL中抽取图像片集合进而构建相应的图像对训练集S22、对双三次上采样图像XH所抽取的第i个图像片通过最近邻域查找法查找到其在图像对训练集D中的k个最近样本对，进而构建图像XH的训练样本对集合其中，是图像对训练集D中图像YL第i个图像片的像素点的列向量形式，ni为中元素的个数；是由图像片中与像素点位置相对应像素点的8邻域所组成的列向量，i＝1,2,…,k；j＝1,2,…,ni；所述步骤S3，其包括：S31、采用多任务高斯过程回归模型对图像XH的训练样本对集合进行描述，得到图像XH训练样本对集合的描述方程，所述的描述方程为： Y i = f ( X i ) + ϵ i ϵ i ~ N ( 0 , σ i 2 I n i ) , ]]>其中，εi为图像XH训练样本对集合对应的噪声，εi服从均值是0且协方差矩阵为的高斯分布，代表噪声的等级，是ni×ni大小的单位矩阵；S32、根据图像XH训练样本对集合对应的描述方程得到所有训练样本的描述方程，所述所有训练样本的描述方程为： Y = f ( X ) + ϵ ϵ ~ N ( 0 , D ) , ]]>其中，X＝[X1,X2,...,Xk]，Y＝[Y1,Y2,...,Yk]，ε为所有训练样本对应的噪声，ε服从均值是0且协方差矩阵为D的高斯分布，D是对角矩阵且满足：S33、根据图像XH训练样本对集合以及所有训练样本的描述方程采用梯度下降法进行参数训练，求出图像XH样本所对应的多任务高斯模型参数。