主权项 |
一种基于局部秩先验的单幅图像超分辨率重建方法,该方法包括以下步骤:(1)根据局部秩变换的原理,利用局部秩变换,将所得到的高低图像训练图像块分为两类:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>P</mi><mi>δ</mi></msub><mo>=</mo><msubsup><mrow><mo>{</mo><msubsup><mi>X</mi><mi>h</mi><mi>i</mi></msubsup><mo>,</mo><msubsup><mi>Y</mi><mi>l</mi><mi>i</mi></msubsup><mo>,</mo><msubsup><mi>X</mi><mi>δ</mi><mi>i</mi></msubsup><mo>,</mo><msubsup><mi>X</mi><mrow><mo>-</mo><mi>δ</mi></mrow><mi>i</mi></msubsup><mo>}</mo></mrow><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msub><mi>n</mi><mn>1</mn></msub></msubsup></mrow>]]></math><img file="FDA0000550708860000011.GIF" wi="497" he="104" /></maths>和<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>P</mi><mrow><mo>-</mo><mi>δ</mi></mrow></msub><mo>=</mo><msubsup><mrow><mo>{</mo><msubsup><mi>X</mi><mi>h</mi><mi>i</mi></msubsup><mo>,</mo><msubsup><mi>Y</mi><mi>l</mi><mi>i</mi></msubsup><mo>,</mo><msubsup><mi>X</mi><mrow><mo>-</mo><mi>δ</mi></mrow><mi>i</mi></msubsup><mo>}</mo></mrow><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msub><mi>n</mi><mn>2</mn></msub></msubsup><mo>,</mo></mrow>]]></math><img file="FDA0000550708860000012.GIF" wi="449" he="108" /></maths>然后分别求取每个类的类中心,并利用稀疏编码对每一类分别训练,得到相应的字典;其中<img file="FDA00005507088600000111.GIF" wi="58" he="74" />为低分辨率图像块,<img file="FDA00005507088600000112.GIF" wi="64" he="84" />高分辨率图像块,<img file="FDA00005507088600000113.GIF" wi="71" he="74" />正局部秩变换图像块,<img file="FDA00005507088600000114.GIF" wi="96" he="84" />为负局部秩变换图像块;(2)利用训练得到的字典,求得高分辨率图像的局部秩先验;(3)提出能量最小化函数,约束高分辨率图像的局部秩;若待重建的低分辨率图像块属于类<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>P</mi><mrow><mo>-</mo><mi>δ</mi></mrow></msub><mo>=</mo><msubsup><mrow><mo>{</mo><msubsup><mi>X</mi><mi>h</mi><mi>i</mi></msubsup><mo>,</mo><msubsup><mi>T</mi><mi>l</mi><mi>i</mi></msubsup><mo>,</mo><msubsup><mi>X</mi><mrow><mo>-</mo><mi>δ</mi></mrow><mi>i</mi></msubsup><mo>}</mo></mrow><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msub><mi>n</mi><mn>2</mn></msub></msubsup><mo>,</mo></mrow>]]></math><img file="FDA0000550708860000013.GIF" wi="452" he="102" /></maths>则提出的能量最小函数为:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><munder><mi>min</mi><msubsup><mover><mi>X</mi><mo>~</mo></mover><mi>h</mi><mi>i</mi></msubsup></munder><msub><mi>E</mi><mn>1</mn></msub><mrow><mo>(</mo><msub><mi>LRT</mi><mrow><mo>-</mo><mi>δ</mi></mrow></msub><mrow><mo>(</mo><msubsup><mover><mi>X</mi><mo>~</mo></mover><mi>h</mi><mi>i</mi></msubsup><mo>)</mo></mrow><mo>-</mo><msub><mi>R</mi><mrow><mo>-</mo><mi>δ</mi></mrow></msub><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0000550708860000014.GIF" wi="550" he="114" /></maths>若待重建的低分辨率图像块属于类<img file="FDA0000550708860000015.GIF" wi="534" he="102" />则提出的能量最小函数为:<img file="FDA0000550708860000016.GIF" wi="987" he="111" />其中,R<sub>‑δ</sub>是重建的高分辨率图像的负局部秩,<img file="FDA0000550708860000017.GIF" wi="68" he="82" />是重建的高分辨率图像块;(4)将步骤(3)中能量最小化函数转化为约束优化问题,求得初始高分辨率图像;(5)对步骤(4)中求得的高分辨率图像做全局和改进权值的非局部约束,得到最终的高分辨率图像;其中在计算图像的非局部权值时,采用优化的基于局部秩的权值计算方法。 |