一種圖像超分辨方法
【技術(shù)領(lǐng)域】
[0001] 本專利申請設(shè)及計算機(jī)視覺和圖像處理領(lǐng)域，特別設(shè)及一種圖像超分辨方法。
【背景技術(shù)】
[0002] 圖像超分辨屬于計算機(jī)視覺和圖像處理領(lǐng)域，是一個經(jīng)典的圖像處理問題，有著 重要的學(xué)術(shù)和工業(yè)研究價值。圖像超分辨的目標(biāo)就是，由給定的低分辨率圖像，重構(gòu)出它相 應(yīng)的高分辨率圖像，使得在重構(gòu)誤差盡可能小的情況下，視覺效果盡可能的好。目前主流的 圖像超分辨方法可W分為=大類；基于插值的方法；基于重構(gòu)的方法；基于學(xué)習(xí)的方法。
[0003] 基于插值的方法，是一類基本的超分辨方法，其處理過程通常會使用局部協(xié)方差 系數(shù)，固定功能核或者自適應(yīng)結(jié)構(gòu)核，因其簡單快速的特點而被廣泛使用。但是，很多情況 下，該類方法產(chǎn)生的結(jié)果會隨著放大倍數(shù)的增大而產(chǎn)生視覺偽影，比如：銀齒效應(yīng)和模糊效 應(yīng)?；谥貥?gòu)的方法，假設(shè)低分辨圖像是由高分辨率圖像經(jīng)過幾種退化因素得到的，比如： 降采樣和模糊化。該類方法在超分辨過程中強(qiáng)調(diào)重構(gòu)約束的重要性，因而，其得到的高分辨 率圖像往往有著過于平滑和不自然的邊緣W及在圖像邊緣附近產(chǎn)生振鈴效應(yīng)。基于學(xué)習(xí)的 方法，因為利用機(jī)器學(xué)習(xí)技術(shù)從訓(xùn)練集中學(xué)習(xí)到了大量先驗知識，因而獲得了更好的結(jié)果。 但是，該類方法通常需要求解基于L。范數(shù)或者L1范數(shù)的最優(yōu)化問題，其處理速度是很慢的。
[0004]W上【背景技術(shù)】內(nèi)容的公開僅用于輔助理解本專利申請的專利申請構(gòu)思及技術(shù)方 案，其并不必然屬于本專利申請的現(xiàn)有技術(shù)，在沒有明確的證據(jù)表明上述內(nèi)容在本專利申 請的申請日已經(jīng)公開的情況下，上述【背景技術(shù)】不應(yīng)當(dāng)用于評價本申請的新穎性和創(chuàng)造性。
[0005] 專利申請內(nèi)容
[0006] 本專利申請（主要）目的在于提出一種圖像超分辨方法，W解決上述現(xiàn)有技術(shù)存 在的處理速度慢的技術(shù)問題。
[0007] 為此，本專利申請?zhí)岢鲆环N圖像超分辨方法，包括如下步驟；第一步：利用訓(xùn)練 集，訓(xùn)練出第0級映射模型；第二步；W迭代的形式進(jìn)行訓(xùn)練，一直得到第R級映射模型；第 =步；利用所述第0級映射模型對輸入的低分辨圖像超分辨，得到第0級輸出的高分辨率圖 像。
[0008] 所述的圖像超分辨方法還包括第四步；利用所述第0級輸出的高分辨率圖像W及 第0級后的各級映射模型，逐級輸出高分辨率圖像。
[0009] 所述第一步具體包括：從訓(xùn)練集中得到高分辨率圖像，將所述高分辨率圖像通過 縮小倍數(shù)為S進(jìn)行下采樣，得到低分辨率圖像，從對應(yīng)的高分辨率圖像、低分辨率圖像中提 取對應(yīng)的高分辨率特征和低分辨率特征，利用所述高征、低分辨率特征訓(xùn)練出第0級映射 模型，所述第0級映射模型包括初級低分辨率字典、初級PCA降維矩陣，W及初級映射矩陣。
[0010] 所述第二步具體包括：利用所述第0級映射模型及所述訓(xùn)練集，繼續(xù)訓(xùn)練，得到第 1級的映射模型；W此類推，利用第R-1級的映射模型化及訓(xùn)練集，繼續(xù)訓(xùn)練，得到第R級的 映射模型。
[0011]所述第=步具體包括；對于每一個低分辨率特征，選擇所述第0級映射模型，在低 分辨率字典中找到與其最接近的字典基，再用相應(yīng)的映射矩陣恢復(fù)出高分辨率特征；將所 有恢復(fù)出的高分辨特征加上包含低頻信息的圖像塊，得到相應(yīng)的高分辨率圖像塊，將所有 高分辨圖像塊融合成一張第0級輸出的高分辨圖像。
[0012] 所述第四步具體包括：使用所述第0級輸出的高分辨圖像W及第1級的映射模型 得到第1級輸出的高分辨率圖像，W此類推，使用第R-1級輸出的高分辨圖像W及第R級的 映射模型得到第R級輸出的高分辨率圖像，并將此圖作為最終的高分辨率圖像。
[0013] 所述第一步具體包括；W自然圖像公共數(shù)據(jù)集作為訓(xùn)練集，先使用第一插值算法， 從所述高分辨率圖像中得到低分辨率圖像，再將所述低分辨率圖像利用第二插值算法恢復(fù) 至原高分辨率圖像的尺寸一樣；從所述高分辨率圖像中提取高分辨率圖像塊集合與特征集 合，在所述低分辨率圖像中的相應(yīng)位置提取出低分辨率圖像塊集合與特征集合；由上述高、 低分辨率圖像塊和特征集合，可W得到第0級映射模型。
[0014] 所述第二步具體包括利用所述第0級映射模型對所述低分辨率訓(xùn)練集進(jìn)行超分 辨，得到第0級輸出的訓(xùn)練集，從中提取所述低分辨率特征，再聯(lián)合高分辨率特征，訓(xùn)練出 第1級映射模型；W此類推，利用第R-1級映射模型對低分辨率訓(xùn)練集進(jìn)行超分辨，得到第 R-1級輸出的訓(xùn)練集，從中提取低分辨率的特征，再聯(lián)合高分辨率特征，訓(xùn)練出第R級映射 模型。
[0015] 所述第=步具體包括；對于任意輸入的低分辨率圖像，從中提取相互重疊的低分 辨率特征集合；對于每一個低分辨率特征，選擇第0級的映射模型，在低分辨率字典中找到 與其最接近的字典基，再用相應(yīng)的映射矩陣恢復(fù)出高分辨率特征；將所有恢復(fù)出的高分辨 特征加上包含低頻信息的圖像塊得到相應(yīng)的高分辨率圖像塊，將所有高分辨圖像塊融合成 一張第0級輸出的高分辨圖像。
[0016] 所述第四步具體包括；對于第0級輸出的高分辨圖像，從中提取相互重疊的低分 辨率特征集合；對每一個低分辨率特征，在第1級映射模型中找到其最近鄰的低分辨率字 典基和映射矩陣，來恢復(fù)相應(yīng)的高分辨率特征，將所有恢復(fù)出的高分辨特征加上包含低頻 信息的圖像塊得到相應(yīng)的高分辨率圖像塊，將所有高分辨圖像塊融合成一張高分辨圖像； W此類推，使用第R-1級輸出的高分辨圖像W及第R級的映射模型得到第R級輸出的高分 辨率圖像，并將此圖作為最終的高分辨率圖像。
[0017] 本專利申請與現(xiàn)有技術(shù)對比的有益效果包括；本專利申請?zhí)岢隽艘环N基于迭代和 協(xié)同表示的圖像超分辨方法；利用本專利申請能夠再次利用初級超分辨后的結(jié)果，從中提 取更精確的特征，重構(gòu)出質(zhì)量更好的高分辨率圖像，使用迭代的方式，不斷增強(qiáng)高分辨率圖 像質(zhì)量，利用協(xié)同表示加快超分辨速度，從而更準(zhǔn)確地恢復(fù)高分辨率圖像的高頻信息，得到 更高質(zhì)量的高分辨率圖像。
【附圖說明】
[0018] 圖1是本專利申請的圖像超分辨方法的流程圖。
【具體實施方式】
[0019] 下面結(jié)合【具體實施方式】并對照附圖對本專利申請作進(jìn)一步詳細(xì)說明。應(yīng)該強(qiáng)調(diào)的 是，下述說明僅僅是示例性的，而不是為了限制本專利申請的范圍及其應(yīng)用。
[0020] 參照W下附圖，將描述非限制性和非排他性的實施例，其中相同的附圖標(biāo)記表示 相同的部件，除非另外特別說明。
[0021] 本領(lǐng)域技術(shù)人員將認(rèn)識到，對W上描述做出眾多變通是可能的，所W實施例僅是 用來描述一個或多個特定實施方式。
[0022] 本專利申請?zhí)岢隽艘环N基于迭代協(xié)同表示的圖像超分辨方法。在初級訓(xùn)練階段， 從已有的高質(zhì)量圖像中提取訓(xùn)練樣本集合，在此訓(xùn)練樣本上訓(xùn)練出第0級映射模型M。，其包 括；PCA(PrincipalComponentAnalysis)降維矩陣P?，低分辨率字典及映射矩陣 巧W。在迭代訓(xùn)練階段，利用第0級映射模型M山及A1中的訓(xùn)練集，繼續(xù)訓(xùn)練，得到第1級 的映射模型Ml。W此類推，利用第R-1級的映射模型Mc_iW及A1中的訓(xùn)練集，繼續(xù)訓(xùn)練，得 到第R級的映射模型M。。在初級超分辨階段，對于每一個低分辨率特征X，選擇第0級的映 射模型M。，得到第0級輸出的高分辨圖像。在迭代超分辨階段，使用第0級輸出的高分辨 圖像增>W及第1級的映射模型Ml得到第1級輸出的高分辨率圖像W此類推，使用第 R-1級輸出的高分辨圖像與W及第R級的映射模型Me得到第R級輸出的高分辨率圖像 Jlf，并將此圖作為最終的高分辨率圖像Ih。該方法能夠再次利用初級超分辨后的結(jié)果，從 中提取更精確的特征，重構(gòu)出質(zhì)量更好的高分辨率圖像，使用迭代的方式，不斷增強(qiáng)高分辨 率圖像質(zhì)量，利用協(xié)同表示加快超分辨速度，從而更準(zhǔn)確地恢復(fù)高分辨率圖像的高頻信息， 得到更高質(zhì)量的高分辨率圖像。
[002引如圖1所示，一種圖像超分辨方法