基于高分辨率字典的稀疏表征图像超分辨重建方法

摘要

本发明公开了一种基于高分辨率字典的稀疏表征图像超分辨重建方法。其步骤为：(1)构建高分辨率亮度图像库；(2)生成样本训练集；(3)学过完备字典；(4)初始估计高分辨图像亮度空间；(5)建立图像样本测试集；(6)更新高分辨图像亮度空间；(7)计算权值稀疏矩阵；(8)再更新高分辨图像亮度空间；(9)判断是否重复执行；(10)输出高分辨图像。本发明学的高分辨率过完备字典可适合不同放大倍数。本发明充分利用稀疏表示、非局部先验和数据保真约束，能够综合利用局部信息和全局信息。本发明具有较强的超分辨率能力，重建的图像更接近真实的图像。

主权项

一种基于高分辨率字典的稀疏表征图像超分辨重建方法，包括以下步骤：(1)构建高分辨率亮度图像库：1a)从网上随机下载多幅彩色高分辨率自然图像；1b)将高分辨率自然图像由红、绿、蓝RGB颜色空间转换到亮度，蓝色色度，红色色度YCbCr颜色空间；1c)收集所有亮度图像构建高分辨率亮度图像库；(2)依据亮度图像库生成样本训练集：2a)将高分辨率亮度图像库中所有亮度图像分成方形图像块；2b)选取多个方形图像块，将选取的方形图像块旋转90度；2c)将所有旋转前和旋转后的方形图像块分别用列矢量表示；2d)收集全部列矢量生成高分辨率样本训练集；(3)从样本训练集中学习过完备字典：利用稀疏表示字典学习的方法从样本训练集中学习一个高分辨率过完备字典；(4)初始估计高分辨图像亮度空间：4a)输入待处理的低分辨彩色图像，插值放大低分辨图像得到彩色插值图像；4b)将彩色插值图像由RGB颜色空间转换到YCbCr颜色空间；4c)将彩色插值图像的亮度空间作为高分辨图像亮度空间的初始估计；(5)对估计的高分辨率图像亮度空间建立图像样本测试集：5a)将估计的高分辨图像亮度空间按从上到下，从左到右顺序划分为相互重叠的方形图像块；5b)分别用列矢量表征每个方形图像块；5c)收集全部列矢量建立图像样本测试集；(6)基于图像样本测试集更新高分辨图像亮度空间：利用稀疏表示分块估计高分辨图像亮度空间，对块重叠区域取平均值更新；(7)对更新的高分辨图像亮度空间计算权值稀疏矩阵：基于非局部相似性，计算高分辨图像亮度空间的相似像素矢量和相似性权值矢量，矢量变形后转化为权值稀疏矩阵；(8)利用权值稀疏矩阵再更新高分辨图像亮度空间：以步骤(6)更新的高分辨图像亮度空间为初值，经最速下降法迭代更新高分辨图像亮度空间；(9)判断是否重复执行：计算机判断终止条件，如果不满足终止条件，则进入步骤(5)至步骤(9)的循环，否则直接执行步骤(10)；(10)输出高分辨图像：将步骤(4)得到的彩色插值图像的色度空间作为高分辨图像色度空间的估计值，联合步骤(9)估计的高分辨图像亮度空间，由YCbCr颜色空间转换到RGB颜色空间，将转换结果作为高分辨图像输出。