一种基于双层模型的单幅图像超分辨率重建方法

摘要

一种基于双层模型的单幅图像超分辨率重建方法，其包括（1）利用L₀梯度最小化方法和HoG算子生成K个训练簇，然后训练它的对应字典对；（2）依据HoG算子，自适应的选取用于测试的低分辨率图像块对应的几何字典对，并求解出低分辨率图像对应的高分辨率纹理细节图像；（3）利用L₀梯度最小化方法求解出用于测试的低分辨率图像对应的高分辨率边缘结构图像；（4）把求解出的高分辨率纹理细节图像加到高分辨率边缘结构图像上得到初始高分辨率图像；（5）对初始高分辨率图像进行全局和局部约束得到最终高分辨率图像。本发明可以使得重建后的图像轮廓更清晰，细节信息更丰富，提高重建后的图像质量。

主权项

一种基于双层模型的单幅图像超分辨率重建方法，所述方法包括以下步骤：(1)从高分辨图像库中随机选取n幅作为训练图像X₁,X₂,…X_n，然后运用退化模型式(1)生成对应的低分辨率训练图像Y₁,Y₂,…Y_n；Y＝UBX  (1)其中，向量X表示高分辨率图像，向量Y表示对应的低分辨率图像，矩阵U表示下采样算子,矩阵B表示模糊算子；(2)对所有低分辨率训练图像Y_i进行L₀梯度最小化操作，生成高分辨率边缘结构图像然后执行X_i与的相减操作，生成高分辨率纹理细节图像(3)首先对所有的低分辨率训练图像Y_i执行尺寸为3×3的分块操作，随机选取P个低分辨率图像块，并以向量y_i来表示，获取对应的尺寸为3s×3s高分辨率纹理细节图像块，并以向量来表示；最后聚集它们生成P个训练对其中，P经验的选取为9万块，s表示重建倍数；(4)计算训练对中y_i的方向梯度直方图HoG，然后依据y_i的HoG中的方向值，用K‑means算法对训练对进行分簇，得到K个簇C₁，C₂，...C_K，其中C_K表示第K个簇中具有相同方向值的训练对集合k表示在第K簇中训练对的数目；(5)用式(2)训练K个簇C₁，C₂，...C_K的字典对(Dⁱ_l，Dⁱ_T)，得到K个字典对{(D¹_l，D¹_T),(D²_l，D²_T),...(D^K_l，D^K_T)}；$\arg \underset{D_l^i,D_T^i,S}{\min }\left|\right|X^i-D^{i}S|{|}_2^2+\lambda |\left|S\right|{|}_1---\left(2\right)$其中，表示第i个簇中所有集合，yⁱ表示第i个簇中所有y_i集合，λ为正则化参数，N和M为和y_k中像素的数目，S为稀疏系数；(6)对于一幅用于测试的尺寸为H×L(高×宽)的低分辨率图像Z，将Z分成尺寸为3×3的块，并以向量Z_i来表示，块与块之间重叠2个像素；(7)对所有Z_i进行以下遍历操作：首先，任取一个Z_i，计算Z_i与C₁，C₂，...C_K的簇中心距离：d₁，d₂，...，d_K,提取最小的d_i对应簇的字典对(Dⁱ_l，Dⁱ_T)，然后，利用式(2)求解出对应的高分辨率纹理细节图像块X_Ti；(8)拼接由步骤(7)求出的所有高分辨率纹理细节图像块X_Ti，组成初始的高分辨率纹理细节图像X_T；(9)用L₀梯度最小化方法求解测试图像Z的高分辨率边缘结构图像X_E；(10)获取Z的初始高分辨率图像X⁰，X⁰＝X_E+X_T,然后对X⁰执行全局和局部的约束，得到最终的高分辨率重建图像X^*。