一种多级重构的图像超分辨率方法

摘要

本发明涉及图像处理领域，公开了一种多级重构的图像超分辨率方法，包括字典训练与超分辨率重构两个阶段；其中字典训练阶段使用Lanczos3‑IBP算法对低分辨率图像进行第一级重构，获得高分辨率的初始估计；并在此基础上训练多级的特征字典与误差字典；超分辨率重构阶段，使用Lanczos3‑IBP算法对低分辨率图像进行第一次重构，然后利用训练得到的多级特征字典与误差字典，进行多级稀疏编码重构，得到各级重构图像的误差，并添加到上一级的图像中，从而逐级提高超分辨率图像质量，得到高分辨率图像。

主权项

一种多级重构的图像超分辨率方法，其特征在于，包括字典训练与超分辨率重构两个阶段；其中所述字典训练阶段使用Lanczos3‑IBP算法对低分辨率图像进行第一级重构，并在此基础上训练多级的特征字典与误差字典；所述超分辨率重构阶段，使用Lanczos3‑IBP算法对低分辨率图像进行第一次重构，然后利用训练得到的多级特征字典与误差字典，进行多级稀疏编码重构，得到各级重构图像的误差，并添加到上一级的图像中，得到高分辨率图像；所述字典训练阶段具体为：S11：字典训练阶段开始，对本地的高分辨率样本图像，使用Bicubic插值法进行s倍下采样，其中s＝2,3,4,…；使用Lanczos3插值算法进行s倍插值，并使用迭代逆投影算法IBP进行超分辨率重构，得到第1级的重构样本图像，令i＝1，进入步骤S12；S12：对原高分辨率样本图像与第i级重构样本图像求差值，其差值是将原高分辨率样本图像减去第i级重构样本图像，得到第i级重构样本图像误差，并组成误差块向量矩阵；对第i级重构样本图像进行特征提取与主成分分析PCA降维，得到第i级重构样本图像的特征块向量矩阵，进入步骤S13；S13：使用K‑SVD字典训练算法对第i级的重构样本图像的误差块向量矩阵与特征块向量矩阵进行字典训练，得到第i级误差字典、特征字典以及稀疏系数；若i等于N‑1，其中N为重构级数，即表示已得到N‑1级误差字典与特征字典，则字典训练阶段结束，进入超分辨率重构阶段；否则，使用第i级误差字典与第i级稀疏系数进行超分辨率重构，得到重构样本图像误差，并与第i级重构样本图像相加，得到第i+1级重构样本图像，并令i＝i+1，进入步骤S12。