一种基于局部回归模型的图像超分辨率重建方法

摘要

本发明公开一种基于局部回归模型的图像超分辨率重建方法，首先，对输入低分辨率图像，高斯低通滤波得到其低频带图像，双立方插值得到输出高分辨率图像的近似低频带图像。其次，重建时对高分辨率图像的低频带图像中每个图像块应用一阶回归模型，回归模型中高/低图像间的映射函数可对输入图像通过机器学的方法得到，即利用输入低分辨率图像及其低频带图像对应位置采样得到对应位样本图像块对进行字典训练。最后，重建图像块的非局部自相似块分别应用一阶回归模型，加权综合得到重建的高分辨率图像块。本发明所提出方法无需利用外部图像模型，而是利用输入图像自身学得到先验模型，依此模型重建出的高分辨图像取得了较好的主客观重建效果。

主权项

一种基于局部回归模型的图像超分辨率重建方法，其特征在于，包括如下步骤，步骤1：读入待重建低分辨率图像X₀，放大因子s；步骤2：对X₀高斯低通滤波得到其低频带图像Y₀，对X₀双立方插值近似输出高分辨率图像的低频带图像Y；步骤3：对Y划分成互相重叠的大小为a×a的图像块y；步骤4：根据步骤3得到的图像块y的位置(i,j)找到其在Y₀中的对应位(i_r,j_r)，其中得到y在Y₀和X₀中的对应位相似样本块对{y₀,x₀}；步骤5：由一阶局部回归模型计算步骤3得到的图像块y的高分辨率图像块x，公式如下：$\begin{array}{c}x=f\left(y\right)=f\left(y_0+y-y_0\right)\\ =f\left(y_0\right)+▿f^T\left(y_0\right)\left(y-y_0\right)+O\left\{\left|\right|y-y_0|{|}_2^2\right\}\\ \approx x_0+▿f^T\left(y_0\right)\left(y-y_0\right)\end{array}---\left(1\right)$步骤6：计算步骤3得到的图像块y的非局部自相似块的对应位相似样本块对组分别执行步骤5，将计算结果加权求和，公式如下：$x=\underset{p=1}{\overset{J}{\Sigma }}(x_0^p+▿f^T(y_0^p\left)\right(y-y_0^p\left)\right)w_p---\left(2\right)$权值w_p可通过共轭梯度法求解下列公式得到：其中，w＝[w₁,w₂,...w_p,...w_J]；步骤7：对所有像素重叠的高分辨率图像块x叠加平均，得到高分辨率图像X。