The invention discloses a method based on sparse representation to improve the image resolution, input the two source images were of low rank decomposition; using dictionary learning training model set for the selected image; using the sparse representation of image sparse and low rank image in sparse fusion, then the fused image and the low rank sparse image fusion using orthogonal matching pursuit algorithm to obtain the image corresponding to the two part of the sparse coefficient; low rank dictionary and sparse coefficients obtained by linear combination, image combination; then using the sparse representation method for sparse reconstruction of the image after the combination of the reconstructed image; then the images reconstructed by the orthogonal matching tracking algorithm to obtain the sparse coefficient; the sparse coefficients and two dictionary sparse expression of the fusion image is obtained. The present invention is superior to other traditional methods in both subjective and objective evaluation results.
【技术实现步骤摘要】
一种基于稀疏表示的提升图像清晰度的方法
本专利技术涉及一种基于稀疏表示的提升图像清晰度的方法,属于图像处理领域。
技术介绍
在图像处理领域,图像高分辨率重建技术是一项很有发展前景的研究,近些年来图像高分辨率重建技术得到越来越多的研究者们的注意力,很多的研究者提出了很多的图像高分辨率重建技术方法。所谓的图像高分辨率重建技术就是利用一组低质量、低分辨率图像(或运动序列)来产生单幅高质量、高分辨率图像。图像高分辨率重建应用领域及其宽广,在军事,医学,公共安全,计算机视觉等方面都存在着重要的应用前景。目前高分辨率技术主要有以下两大类:基于重建的方法、基于学习的方法。其中,基于重建的高分辨率方法的基础是均衡及非均衡采样定理。它假设低分辨率的输入采样信号(图像)能很好地预估出原始的高分辨率信号(图像)。其次,基于学习的方法是近年来高分辨率算法研究中的热点,它采用大量的高分辨率图像构造学习库产生学习模型,在对低分辨率图像进行恢复的过程中引入由学习模型获得的先验知识,以得到图像的高频细节,获得较好的图像恢复效果。通常在现实中的数字图像在数字化和传输过程中易受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。想要去除噪音首先的知道噪声的来源和种类。通常这些噪声可能在传输中产生,也可能在量化等处理中产生。按照噪声和信号的关系可将其分为三种形式:1)加性噪声,2)乘性噪声,3)量化噪声。常见的去噪方法包括:均值滤波器、自适应维纳滤波器、中值滤波器、形态学噪声滤除器、小波去噪。迄今为止,还没有一种技术同时具备图像融合和高分辨率图像重 ...
【技术保护点】
一种基于稀疏表示的提升图像清晰度的方法,其特征在于:所述方法的具体步骤如下:Step1、输入两幅源图像A、B分别进行低秩分解,分别得到稀疏部分图像A1、B1和低秩部分图像A2、B2;其中,A1、B1分别表示源图像A的稀疏部分图像、低秩部分图像,A2、B2分别表源图像B的稀疏部分图像、低秩部分图像;Step2、利用字典学习模型对选用的图像集Y进行训练,得到低秩字典DL和稀疏字典DS;Step3、利用稀疏表示方法对低秩部分图像A1、B1和稀疏部分图像A2、B2进行稀疏融合,分别得到低秩融合图像A1B1和稀疏融合图像A2B2;接着对低秩融合图像A1B1和稀疏融合图像A2B2分别采用正交匹配追踪算法求解得到两部分图像对应的稀疏系数ZL、ZS;其中,ZL表示低秩融合图像的稀疏系数、ZS表示稀疏融合图像的稀疏系数;Step4、将步骤Step2学习得到的低秩字典DHL与步骤Step3求得的稀疏系数ZL进行线性组合,得到组合后的图像A3,将步骤Step2学习得到的稀疏字典DHS与步骤Step3求得的稀疏系数ZS进行线性组合,得到组合后的图像B3;接着利用稀疏表示方法对A3、B3进行稀疏重构,得到重构图 ...
【技术特征摘要】
1.一种基于稀疏表示的提升图像清晰度的方法,其特征在于:所述方法的具体步骤如下:Step1、输入两幅源图像A、B分别进行低秩分解,分别得到稀疏部分图像A1、B1和低秩部分图像A2、B2;其中,A1、B1分别表示源图像A的稀疏部分图像、低秩部分图像,A2、B2分别表源图像B的稀疏部分图像、低秩部分图像;Step2、利用字典学习模型对选用的图像集Y进行训练,得到低秩字典DL和稀疏字典DS;Step3、利用稀疏表示方法对低秩部分图像A1、B1和稀疏部分图像A2、B2进行稀疏融合,分别得到低秩融合图像A1B1和稀疏融合图像A2B2;接着对低秩融合图像A1B1和稀疏融合图像A2B2分别采用正交匹配追踪算法求解得到两部分图像对应的稀疏系数ZL、ZS;其中,ZL表示低秩融合图像的稀疏系数、ZS表示稀疏融合图像的稀疏系数;Step4、将步骤Step2学习得到的低秩字典DHL与步骤Step3求得的稀疏系数ZL进行线性组合,得到组合后的图像A3,将步骤Step2学习得到的稀疏字典DHS与步骤Step3求得的稀疏系数ZS进行线...
【专利技术属性】
技术研发人员:李华锋,邓志华,余正涛,王红斌,
申请(专利权)人:昆明理工大学,
类型:发明
国别省市:云南,53
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。