基于盲模糊估计与锚定空间映射的图像超分辨处理方法

摘要

训练样本的精度与时效性是当前图像超分辨领域面临的两大挑战。本发明针对该问题提出一种单幅图像超分辨处理方法。该方法包括模糊核函数估计与超分辨重建两个阶段。模糊核函数估计通过最小化图像跨尺度相异性来实现，以提高训练样本精度；超分辨重建在反向投影残差的特征提取策略和对偶词典学的基础上进行锚定空间映射实现，以增强算法对图像底层特征的表达能力和准确反映低分辨率和高分辨率特征空间之间的映射关系。为提高算法效率，高分辨率特征重建采用锚定空间映射完成，并且模糊核函数估计阶段和超分辨重建阶段都采用分块处理方式。本发明为提高成像设备性能提供了有力竞争优势，为进一步提高超分辨处理效果提供必要的理论与技术支持。

主权项

基于盲模糊估计与锚定空间映射的单幅图像超分辨处理方法，其特征在于算法包括单幅图像模糊核函数的盲估计阶段与基于对偶词典的稀疏重建阶段。具体描述如下：模糊核函数的盲估计阶段：步骤1.1从输入图像Y中以稠密采样的方式提取样本索引图像块集合和样本块集合对于2×超分辨问题，可以取索引块和样本块的大小分别为5×5和9×9；对于3×超分辨问题，可以取索引块样本块的大小分别为5×5和13×13。样本块的大小对应了将要估计的模糊核的大小；步骤1.2设定图像块的平均梯度幅度阈值|gard|_s，舍弃索引块中的平滑块；步骤1.3设定初始模糊核函数k为delta函数；步骤1.4利用模糊核函数对样本图像块进行下采样操作：首先将模糊核与图像块卷积，再进行下采样，由此得到样本块的下采样版本步骤1.5对每一个索引块p_i，根据欧氏距离度量标准在中找到一定数量的邻域块，根据下列公式计算每一个邻域块的权重：其中M_i是每一个索引块p_i的邻域个数，σ是p_i中附加噪音的标准差；步骤1.6通过下列公式更新模糊核函数k：其中R_ij表示与q_ij对应的卷积矩阵。这里的q_ij表示索引块p_i对应的邻域块在原始大图像中的“父块”，其中0≤j≤M_i。C是对应“父块”在x和y方向的偏导数矩阵。该公式的出发点是最小化输入图像跨尺度“不相似性”(dissimilarity)，与MAP_k方法类似但有本质不同；步骤1.7将所得模糊核函数归一化为单位向量；步骤1.8若图像块之间的平均跨尺度相异性(APD，Average PatchDissimilarity)持续下降，则返回到步骤1.4重复执行模糊核更新过程；否则，即APD不再保持下降，输出估计的模糊核函数k。基于对偶词典的稀疏重建阶段：步骤2.1根据所估计的模糊核函数对输入图像进行下采样。采用迭代投影残差(BPR，Back Projection Residuals)策略分别从原始图像及其下采样版本中提取特征，并用对偶词典学习算法CDL训练对偶词典D_L和D_H；步骤2.2设置目标高分辨率图像X为0；步骤2.3利用迭代反向投影IBP将低分辨率输入图像Y上采样为X′。迭代投影过程中使用双立方插值核函数进行上采样，用估计的模糊核函数进行下采样。步骤2.4利用下列公式计算锚定空间映射矩阵P_M：其中参数μ是L₂范式最优化问题的平衡参数。步骤2.5对X′中的每一个小图像块y_p，计算：u＝mean(y_p)，v＝||y_p‑u||₂步骤2.6从y_p中提取归一化梯度特征y；步骤2.7求解高分辨率特征块x，并进行归一化处理：步骤2.8根据BPR重建高分辨率图像块：x_p＝(c×v)·x+y_p其中c是一个常数。步骤2.9将x_p添加到目标高分辨率图像X中对应像素位置，直到X′中的所有图像块都被处理完；步骤2.10在重叠区域进行均值化处理，输出最终结果。