利用标准化组稀疏规则化的图像超分辨率重构系统及方法技术方案

本发明专利技术公开了一种利用标准化组稀疏规则化的图像超分辨率重构系统及方法，涉及图像复原技术领域。本发明专利技术首先采用双线性插值方法得到图像超分辨率重构的初始估计值；然后再利用图像块组的标准化稀疏先验，通过多次迭代图像块组PCA域自适应软阈值滤波与图像像素域的规则化最小二乘，有效提升超分辨率图像重构的质量。本系统是：输入低分辨率图像（00）、初始化模块（10）、路由选择模块（20）、图像滤波模块（30）、图像重构模块（40）和输出高分辨率图像（50）依次交互，图像重构模块（40）还和路由选择模块（20）交互。本发明专利技术能改善图像高频细节的恢复效果，有效提升超分辨率图像重构的质量；适用于视频监控、医学成像等应用。

【技术实现步骤摘要】
利用标准化组稀疏规则化的图像超分辨率重构系统及方法
本专利技术涉及图像复原
，尤其涉及一种利用标准化组稀疏规则化的图像超分辨率重构系统及方法。
技术介绍
图像超分辨率旨在由低分辨率图像恢复得到高分辨率图像，其在医学成像、数字摄影和计算机视觉等领域具有广泛应用。传统基于插值的超分辨率方法建立在图像的连续性假设基础上，利用邻近像素相似的先验知识，通过对邻近像素的灰度值加权求和生成带插值像素的灰度值。基于插值的超分辨率方法具有计算简单的优点。传统的插值方法包括：最近邻插值、双线性插值、双立方插值等。【参见文献：[1]KeysR.,‘Cubicconvolutioninterpolationfordigitalimageprocessing’,IEEETrans.Acoust.,SpeechSignalProcess.,1981,29,(6),pp.1153–1160】。基于模型的图像超分辨率重构，利用图像的先验信息规则化图像成像模型的反向求解，能得到具有更高质量的高分辨率图像。近年来，自然图像具有的非局部稀疏先验已成为图像恢复应用的强有力工具，并在图像超分辨率研究领域得到广为关注【参见文献：[2]KanChang,PakLunKevinDing,BaoxinLi.Singleimagesuper-resolutionusingcollaborativerepresentationandnon-localself-similarity,SignalProcessing,2018,149,pp.49-61.】。基于非局部稀疏的方法利用自然图像的结构相似性，通过寻找相似图像块组的有效稀疏表示规则化基于模型的优化重构。以往的方法通常假设稀疏变换系数具有零均值的统计特性，然而由于图像信号具有普遍的非平稳特性，不同区域的非局部相似图像块的统计特性会差异明显，基于零均值假设的稀疏表示限制了图像高频纹理细节信息的有效重构。
技术实现思路
本专利技术的目的就在于克服上述
技术介绍
的不足，提供一种利用标准化组稀疏表示的图像超分辨率重构系统及方法，能够更好地恢复重建图像高频纹理和边缘等细节信息，从而有效提升重构图像的质量。本专利技术的技术思路是：首先采用双线性插值方法得到图像超分辨率重构的初始估计值；然后再利用图像块组的标准化稀疏先验，通过多次迭代图像块组PCA域自适应软阈值滤波与图像像素域的规则化最小二乘，有效提升超分辨率图像重构的质量。一、利用标准化组稀疏规则化的图像超分辨率重构系统(简称系统)本系统设置有初始化模块、路由选择模块、图像滤波模块和图像重构模块；输入低分辨率图像、初始化模块、路由选择模块、图像滤波模块、图像重构模块和输出高分辨率图像依次交互，图像重构模块和路由选择模块交互。二、利用标准化组稀疏规则化的图像超分辨率重构方法(简称方法)本方法包括下列步骤：①初始化模块接收输入的低分辨率图像y，采用经典的双线性插值方法，生成高分辨率图像的初始估计x，送入路由选择模块，初始设置最大迭代次数J、阈值τ、规则化参数λ和η；②图像滤波：A、路由选择模块首次输出初始化模块送入的高分辨图像的初始估计，之后均输出图像重构模块送入的高分辨率图像的更新估计；图像重叠分块单元对路由选择模块输出的图像x进行重叠分块，得到多个存在像素重叠的图像块xi，送入图像块组生成单元；图像块xi＝Rix，i＝1,2,…n，n为大于2的整数，表示图像分块的总数，Ri为提取第i图像块的运算矩阵，图像块大小B一般选取为6行×6列；B、图像块组生成单元对图像重叠分块单元送入的每一图像块xi，在其所在图像的设定邻域窗内(通常为40×40)，求取其K-1个最相似的图像块，K通常设定为40～60之间的正整数；将该图像块及其相似图像块矢量化后，生成与该图像块对应的数据矩阵Ai，分别送入自适应字典生成单元、图像块组自适应滤波单元；数据矩阵表示提取的第i图像块的图像块组，为提取第i图像块的图像块组的运算矩阵；C、自适应字典生成单元接收图像块组生成单元送入的与图像块对应的数据矩阵Ai，利用主成分分析技术，得到对应图像块组的最优变换字典Di，送入图像块组自适应滤波单元；D、图像块组自适应滤波单元根据图像块组生成单元送入的与图像块对应的数据矩阵Ai、自适应字典生成单元送入的最优变换字典Di，对与图像块对应的数据矩阵进行自适应滤波处理，送入图像合成单元；E、图像合成单元对图像块组自适应滤波单元送入的所有图像块进行平均，得到路由选择模块送入图像重叠分块单元的图像x的滤波结果z，并送入图像重构模块；③图像重构模块根据图像合成单元送入的图像x的滤波结果z，以及输入的原始的低分辨率图像y，得到高分辨率图像的更新估计，再将高分辨率图像的更新估计送入路由选择模块；④计算更新前后高分辨率图像的均方误差值，如果均方误差值大于给定的阈值τ，并且迭代次数小于设定的最大值J，则返回到步骤②，路由选择模块将高分辨率图像的更新估计送入图像重叠分块单元，继续进行迭代运算，达到逐渐提升输出图像质量的目的；否则执行步骤⑤；⑤结束运算，输出最后得到的高分辨率图像。工作机理：本专利技术的实现总体分为两个阶段：第一阶段，采用经典的双线性插值方法，由已知的低分辨率图像得到高分辨率图像的初始估计值；第二阶段，利用图像相似块组的标准化稀疏先验，通过多次的迭代优化改进高分辨率图像的质量，每次迭代包括两个过程：第一个过程是采用自适应的标准化组稀疏规则化技术对得到的高分辨率图像估计进行滤波处理；第二个过程是根据已知的低分辨率图像，第一个过程得到的高分辨率图像估计的滤波结果，采用规则化的最小二乘技术重构高分辨率图像。与现有技术相比，本专利技术具有下列优点和积极效果：本专利技术能改善图像高频细节的恢复效果，有效提升超分辨率图像重构的质量；适用于视频监控、医学成像等应用。附图说明图1是本系统的结构方框图；图2-1是实验用的原始图像，图2-2是采用文献[1]双线性插值方法的重构图像，图2-3是采用本专利技术方法的重构图像。图1中：00—输入低分辨率图像；10—初始化模块；20—路由选择模块；30—图像滤波模块；31—图像重叠分块单元，32—图像块组生成单元，33—自适应字典生成单元，34—图像块组自适应滤波单元，35—图像合成单元；40—图像重构模块；50—输出高分辨率图像。具体实施方式下面结合附图和实施例详细说明：一、系统1、总体如图1，本系统设置有初始化模块10、路由选择模块20、图像滤波模块30和图像重构模块40；输入低分辨率图像00、初始化模块10、路由选择模块20、图像滤波模块30、图像重构模块40和输出高分辨率图像50依次交互，图像重构模块40和路由选择模块20交互。详细地说：路由选择模块20有两个输入端、一个输出端，图像重构模块40有2个输入端、1个输出端；路由选择模块20的一个输入端与初始化模块10的输出端交互，路由选择模块2的另一个输入端与图像重构模块40的输出端交互；图像重构模块40的一个输入端与系统输入端交互，另一个输入端与图像滤波模块30的输出端交互；路由选择模块20的输出端与图像重叠分块单元31的输入端交互，图像重叠分块单元31的输出端与图像相似块组生成单元32的输入端交互，图像相似块组生成单元32的输出端同时与自适应字典生本文档来自技高网...

【技术保护点】
1.一种利用标准化组稀疏规则化的图像超分辨率重构系统，其特征在于：设置有初始化模块(10)、路由选择模块(20)、图像滤波模块(30)和图像重构模块(40)；输入低分辨率图像(00)、初始化模块(10)、路由选择模块(20)、图像滤波模块(30)、图像重构模块(40)和输出高分辨率图像(50)依次交互，图像重构模块(40)还和路由选择模块(20)交互。

【技术特征摘要】
1.一种利用标准化组稀疏规则化的图像超分辨率重构系统，其特征在于：设置有初始化模块(10)、路由选择模块(20)、图像滤波模块(30)和图像重构模块(40)；输入低分辨率图像(00)、初始化模块(10)、路由选择模块(20)、图像滤波模块(30)、图像重构模块(40)和输出高分辨率图像(50)依次交互，图像重构模块(40)还和路由选择模块(20)交互。2.按权利要求1所述的图像超分辨率重构系统，其特征在于：所述的初始化模块(10)接收输入低分辨率图像(00)的测量值，并采用双线性插值方法或采用其它类似方法，得到图像超分辨率重构的初始估计值，送入路由选择模块(20)。3.按权利要求1所述的图像超分辨率重构系统，其特征在于：所述的路由选择模块(20)首次输出初始化模块(10)送入的图像超分辨率重构的初始估计值，之后均输出图像重构模块(40)送入的图像超分辨率重构的更新估计值。4.按权利要求1所述的图像超分辨率重构系统，其特征在于：所述的图像滤波模块(30)包括依次交互的图像重叠分块单元(31)、图像相似块组生成单元(32)、自适应字典生成单元(33)、图像块组自适应滤波单元(34)和图像合成单元(35)，图像相似块组生成单元(32)还和图像块组自适应滤波单元(34)交互；图像重叠分块单元(31)对路由选择模块(20)输出的图像进行重叠分块，得到多个存在像素重叠的图像块，送入图像相似块组生成单元(32)；图像相似块组生成单元(32)对图像重叠分块(31)单元送入的每一图像块，在其所在图像的规定邻域范围内，寻找到一组相似图像块，将该组相似图像块矢量化后生成与该图像块对应的数据矩阵，再送入自适应字典生成单元(33)；自适应字典生成单元(33)根据图像相似块组生成单元(32)送入的每一数据矩阵，采用主成分分析技术生成自适应变换字典，再送入图像块组自适应滤波单元(34)；图像块组自适应滤波单元(34)对图像相似块组生成32单元送入的每一数据矩阵，首先基于自适应字典生成单元(33)送入的变换字典进行正变换，然后计算子带系数的均值和方差，并进一步对子带系数进行软阈值收缩处理，最后将得到的阈值收缩处理的子带系数基于自适应字典生成单元(33)送入的变换字典进行正逆变换，再将结果送入图像合成单元(35)；图像合成单元(35)对图像块组自适应滤波单元(34)送入的数据矩阵，采用在像素域对对应像素进行求加权平均，得到图像的滤波结果；再将图像的滤波结果送入图像重构模块(40)。5.按权利要求1所述的图像超分辨率重构系统，其特征在于：所述的图像重构模块(40)根据图像滤波模块(30)送入的图像滤波结果，以及系统输入的低分辨率图像，得到超分辨率重构图像的更新估计值，路由选择模块20将图像的更新估计值送入图像滤波模块(30)，继续进行迭代运算，达到逐渐提升输出图像质量的目的。6.基于按权利要求1-5所述的图像超分辨率重构系统的重构方法，其特征在于：①初始化模块接收输入的低分辨率图像y，采用经典的双线性插值方法，生成高分辨率图像的初始估计x，送入路由选择模块，初始设置最大迭代次数J、阈值τ、规则化参数λ和η；②图像滤波：A、路由选择模块首次输出初始化模块...

【专利技术属性】
技术研发人员：熊承义，高志荣，金鑫，
申请(专利权)人：中南民族大学，
类型：发明
国别省市：湖北,42