[发明专利]一种利用回归树场的图像超分辨率放大方法

摘要

本发明属于计算机视觉技术领域，提供了一种利用回归树场的图像超分辨率放大方法，对于单幅图像的超分辨率重建融合来说，主要由准备数据集、分析不同超分辨率融合算法的优缺点和选择需要融合的超分辨率算法以及选择用于融合的算法三部分构成。本发明的所采用的方法好处如下：(1)时间成本与硬件需求低；(2)采用开创性的算法融合。

主权项

一种利用回归树场的图像超分辨率放大方法，其特征在于，步骤如下：(1)数据集的建立第一，在ImageNet数据集的图片根据人物、动物、飞机、车辆、水果、建筑物、自然场景不同的场景进行选择，得到300‑400张包含不同场景图片的训练集；第二，在ImageNet数据集的图片根据人物、动物、飞机、车辆、水果、建筑物、自然场景不同的场景进行选择，得到与训练集完全不同的300‑400张包含不同场景的总测试集以及有针对的不同类别的测试集，每个类别的测试集包括50‑100张图片；(2)超分辨率算法的分析与选择选择优势互补的A+、SRCNN、JOR和ANR四种超分辨率算法进行融合；(3)超分辨率算法的融合①图像的加权平均本方法采用加权求平均法，加权平均满足公式(1)：Pr=1nΣi=1nPi*wi,wi=VPi-Pb/Σj=1nVPj-Pb---(1)]]>其中，Pr是加权平均之后得到的图像块；n为所融合的超分辨率算法的数目，是第i个超分辨率算法的图像块；wi即为第i个图像块所占的权重；Pi是第i个超分辨率算法所得到结果对应的图像块减去双三次插值结果所对应的图像块，通过计算得到的方差；②利用回归树场进行算法融合：本方法训练了两个概率图模型特征图像块的确定：针对训练集和测试集中的每幅图像，为了计算图像超分辨率放大的质量，将原图像利用双三次插值方法进行采样缩小处理，得到低分辨率图像，再将低分辨率图像进行超分辨率放大，即得到与原图像大小一致的高分辨率图像；将低分辨率图像再次运用双三次插值的方式放大到与原图像一样的大小，在放大的图像X中每一个图像块xi，在特征图像{X1,X2,...,Xn}中确定特征图像块其中n为用于超分辨率融合的算法的数目；上述特征图像块被级联成矢量化的形式来对图像块xi进行描述：fx={xi1,...,xik,...,xin|xik∈Xk}---(2)]]>其中，i∈[1,m]，m表示在图像X中图像块的总的数目；特征像素点的确定与特征图像块的确定过程相同，只需要把图像块替换成为像素点，得到矢量化的特征像素点：fy={yi1,...,yik,...,yin|yik∈Xk}---(3)]]>图像块阶段融合：在将训练集和测试集的图像X转换成图像块过程中，采用一个2x2像素大小的滑动窗口，并且将特征图像也转换成与之相对应的特征图像块；从图像X中所得到的每一个图像块xi以及其所对应的特征图像块被认为是概率图模型中的一个节点；经过图像块阶段融合，得到粗糙的融合结果图像Xp；像素点阶段融合：在图像块阶段融合的基础上，将图像Xp送到像素点融合阶段来提高图像最终的重建质量；两个融合阶段具有相似性，不同就是在像素点融合阶段的特征是像素点而不是图像块；把整张图像Xp认为是一张图，每一个像素点xi以及其所对应的特征像素点被认为是概率图模型中的一个节点。