The invention relates to a single image super-resolution reconstruction method, including preprocess the original image from low resolution image corresponding; the low resolution image is divided into multiple groups; each group of adaptive dictionary learning, the calculation of each group of adaptive learning dictionary based learning; adaptive dictionary in each group the calculation of each group sparse encoding; image blocks for each group of restoration and reconstruction, all of the group average and get a complete high resolution image. Using this method, the group as a unit sparse representation of the sparse representation of the image, not only has a good performance and the need to solve the sparse representation, a small scale optimization problems in the dictionary learning process, reduces the computational complexity; in addition, the image blocks are divided into groups by using Gauss distance metric considering the nonlinear relationship between the image blocks of information the better use of non local image self similarity information, HR image reconstruction more clearly.
【技术实现步骤摘要】
本专利技术涉及图像处理
,尤其涉及单图像超分辨率重建
,具体是指一种单图像超分辨率重建方法。
技术介绍
高分辨率(HR)图像在许多实际应用中都需要用到,例如医学图像分析、计算机视觉、遥感等。可以利用传感器制造技术增加单位面积的像素数量或降低像素大小获得HR图像。然而,这些方法受限于成像系统的物理限制。为了克服物理的局限性,已经提出各种单幅图像超分辨率(SISR)的方法,这些方法都是从单幅低分辨率(LR)图像通过某种操作获得其对应的高分辨率图像。单图像超分辨率方法主要可以分为三类:基于插值的方法,基于重建的方法和基于例子的方法。虽然基于插值的方法简单,但是重建的HR图像往往是模糊的,具有锯齿状的伪影和振铃现象。基于重建的方法在重建过程中引入了一些先验知识,但得到的HR图像会出现过度平滑现象或缺乏一些重要的细节信息,在对HR图像进行放大时模糊效果更加明显,就会丢失真实图像的视觉性。基于实例的方法已经成为一个研究热点,该方法的本质是假定LR图像中丢失的高频细节可以通过学习LR图像块和相应的HR图像块之间的关系得到。国内外学者利用马尔可夫(Markov)网络中LR和HR图像块之间的关系来获得HR图像。学者们进一步提出了一种基于邻域嵌入的方法,假设LR图像及其HR图像有类似的局部几何形状。然而,这些方法的效果主要依赖于一个大的图像数据库。最近,为了解决这项缺点,Yang等人(J.Yang,J.Wright,T.HuangandY.Ma.,\Imagesuper-resolutionviasparserepresentation\,IEEETrans.I ...
【技术保护点】
一种单图像超分辨率重建方法,其特征在于,所述方法包括如下步骤:(1)对原始图像进行预处理得到所对应的低分辨率图像;(2)将所述低分辨率图像分为多个重叠图像块,对于每个图像块选择多个近邻图像块,每个图像块的近邻图像块构成一个组;(3)对各个组进行自适应字典学习,计算各个组的自适应学习字典;(4)在各个组的自适应学习字典的基础上计算各个组的稀疏编码;(5)对各个组的图像块进行恢复重建,对所有的组计算平均值并得到一个完整的高分辨率图像。
【技术特征摘要】
1.一种单图像超分辨率重建方法,其特征在于,所述方法包括如下步骤:(1)对原始图像进行预处理得到所对应的低分辨率图像;(2)将所述低分辨率图像分为多个重叠图像块,对于每个图像块选择多个近邻图像块,每个图像块的近邻图像块构成一个组;(3)对各个组进行自适应字典学习,计算各个组的自适应学习字典;(4)在各个组的自适应学习字典的基础上计算各个组的稀疏编码;(5)对各个组的图像块进行恢复重建,对所有的组计算平均值并得到一个完整的高分辨率图像。2.根据权利要求1所述的单图像超分辨率重建方法,其特征在于,所述对原始图像进行预处理,包括如下步骤:对原始图像进行模糊操作、下采样操作和缩放操作得到原始图像所对应的低分辨率图像。3.根据权利要求1所述的单图像超分辨率重建方法,其特征在于,所述对于每个图像块选择多个近邻图像块,包括如下步骤:对于每个图像块在训练窗口中根据如下高斯距离度量公式选择h个邻近图像块:dG(yi,yj)=exp(-||yi-yj||2/2σ2)]]>其中,yi为第i个图像块,图像块的大小为bs,每个图像块用向量yj∈Syblue(j≠i),yj为第j个图像块,Syblue表示每个训练窗口中的图像块,是一个集合,该集合中的元素个数为N,对高斯距离dG(yi,yj)由小到大排序,选择前面h个图像块,用向量表示,即为与yi具有相似结构的图像块集合,yi的h个近邻图像块构成了一个组,记为4.根据权利要求3所述的单图像超分辨率重建方法,其特征在于,根据如下公式构建每个图像块的组:yGi=PGi(y)]]>其中,是从图像y中构成组的一个操作算子。5.根据权利要求1所述的单图像超分辨率重建方法,其特征在于,根据如下公式对各个组进行自适应字典学习,得到各个组的估计值aGi=UGiΣGiVGiT=Σi=1mAaGi⊗i(uGi⊗ivGi⊗iT)]]>其中,分别是的左奇异向量和右奇异值向量,T表示向量的转置,是一个对角矩阵,其主对角线上的元素是元素...
【专利技术属性】
技术研发人员:许淑华,高飞,祝汉灿,齐鸣鸣,王会敏,
申请(专利权)人:浙江工业大学,绍兴文理学院,绍兴文理学院元培学院,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。