[发明专利]基于多特征学习的超分辨图像重建方法及系统

摘要

本公开公开了基于多特征学习的超分辨图像重建方法及系统，方法充分利用单幅输入图像本身所包含的丰富信息进行重建，无需依赖于外部数据库。方法基于图像的跨尺度相似性建立图像特征间的映射关系，并直接利用映射关系对输入图像重建包含高频信息的高分辨图像，很好地克服了使用插值放大方法重建图像导致的高频信息缺失的缺陷。方法利用奇异值阈值化获取有效高频信息，并利用梯度特征映射关系将高频信息放大后分块叠加到高分辨率图像上，得到最终的图像重建结果。这种利用图像特征组合重建图像的方式有效地抑制了重建图像的噪声点，并且较好的保持了图像边缘和纹理信息，实现了图像的细节增强。

主权项

1.基于多特征学习的超分辨图像重建方法，其特征是，包括：步骤(1)：获取图像高频信息：对原始输入图像进行降采样处理得到中间图像；对中间图像进行插值放大处理得到低分辨率图像，对输入图像和低分辨率图像进行分块作差得到高频信息图像；对高频信息图像进行奇异值阈值化处理，去除高频信息图像的伪像素，得到有效高频信息图像；步骤(2)：高低分辨率图像的特征关系训练：对输入图像进行插值放大处理得到高分辨率图像；从低分辨率图像中提取图像的第一梯度特征和第一像素特征；从高分辨率图像中提取图像的第二梯度特征和第二像素特征；基于K邻近搜索算法对第一像素特征和第二像素特征进行处理，得到像素特征映射关系R1；基于像素特征映射关系R1对原始输入图像进行处理，得到包含高频信息的放大图像HI；基于K邻近搜索算法对第一梯度特征和第二梯度特征进行处理，得到梯度特征映射关系R2；基于梯度特征映射关系R2对有效高频信息图像进行处理，得到初始重建图像HB；步骤(3)：对初始重建图像HB和包含高频信息的放大图像HI对应位置的像素值进行分块叠加，得到结果图像HH。