一种基于图像边缘保持自适应分解的超分辨率重建方法

摘要

本发明公开了一种图像超分辨率重建方法。该方法包括两部分：1、图像的自适应分解。这里所谓的自适应是指图像数据自适应的驱动分解过程。2、在图像自适应分解的基础上进行超分辨率放大。把图像自适应分解为低频信息和高频的信息的基础上，在高频部分应用高斯混合模型作为先验模型进行超分辨率放大，低频部分采用样条插值，最后进行叠加。本发明可以实现图像的高品质放大。

主权项

一种图像超分辨率重建方法，其特征在于，该方法包括以下步骤：步骤1，输入初始图像；步骤2，对初始图像进行图像边缘保持自适应分解，得到初始图像的卡通部分图像与振动部分图像；步骤3，对分解得到的卡通部分图像与振动部分图像分别进行放大；步骤4，对放大后的卡通部分图像和振动部分图像进行叠加得到最终的超分辨率重建图像；所述步骤2进一步包括以下步骤：步骤2.1，根据初始图像I确定邻域尺度；步骤2.2，根据初始图像I的灰度信息计算得到局部邻域的极值；步骤2.3，根据极值点信息构造上下包络图像；步骤2.4，取上下包络图像的平均值得到平均包络图像，即卡通部分图像；步骤2.5，求取初始图像与卡通部分图像的差，得到振动部分图像；所述步骤2.3中，使用下式根据极值点信息构造上下包络图像：$J\left(E\right)=min\left(\underset{r\notin Q}{\Sigma }{\left(E\left(r\right)-\underset{s}{\Sigma }{w}_{rs}E\left(s\right)\right)}^2\right),$s.t.E(r)＝I(r)，r∈Q，其中，E表示待求的包络图像，J(E)为关于包络图像E的目标函数，r和s为初始图像中的任一点的位置，E(r)、E(s)分别为对应点r和s位置上的包络图像像素点，I(r)为对应点r位置上的初始图像像素点，Q表示局部极值位置，w_rs表示所采用的局部邻域权重系数，w_rs的加权和为1，如果Q表示局部极大值位置，则求解出的E(r)为上包络，如果Q表示局部极小值位置，则求解出的E(r)为下包络；所述步骤2.4中得到的卡通部分图像表示为：C＝(E_u+E_d)/2，其中，C表示卡通部分图像，E_u表示上包络图像，E_d表示下包络图像；所述步骤2.5中得到的振动部分图像表示为：$\widehat{I_T^m}={\mathrm{argmax}}_I\frac{1}{\sqrt{2\pi }\sigma }\exp \left(\frac{\left|\right|H(I_s+I_T^m)-Lo|{|}_2^2}{2{\sigma }^2}\right)·\underset{i=1}{\overset{N}{\Pi }}\underset{j=1}{\overset{k}{\Sigma }}{w}_{j}g\left(I_{T,i}^m\right|{\mu }_j,{\Sigma }_j),$其中，I为原始图像，为每次迭代时想要得到的超分辨率图像的振动部分，w_j为权重系数，为高斯混合模型部分，i为原始图像中任一点的位置，k为混合高斯模型中不同的高斯模型的个数，N为图像的像素数，H为模糊核矩阵，L_O＝I，为的对应位置的灰度值，m为迭代次数；所述步骤3.4中的条件为：$\left|\right|I_T^m-I_T^{m-1}|{|}_2<ϵ,$其中，m为迭代次数，||·||为2‑范数运算，ε为一个较小的值；所述权重系数w_j的加权和为1；最终得到的超分辨率重建图像表示为：$I_L=I_s+I_T^m,$其中，I_L为最终得到的超分辨率重建图像，I_s为放大的卡通部分图像，为放大的振动部分图像。pb pnum="2" />