基于最大线性块邻域嵌入的图像超分辨重建方法技术

本发明专利技术公开了一种基于最大线性块邻域嵌入的图像超分辨重建方法，其主要步骤包括：构造训练样本集，采用层级分裂聚类法进行聚类，将非线性流形近似分为多个最大线性块，聚类之后，用中、高频特征，构建最大线性块；对低分辩测试图像分类，分为边缘块和非边缘块，用两种不同的邻域选取方式重构结果更加精准；邻域选取；邻域嵌入；图像重建，初始重构图像去模糊，得到一幅完整清晰的高分辨率重构图像。本发明专利技术通过聚类方法从训练样本的非线性流形中近似得到多个最大线性块结构，结合特征表示和邻域选取实现局部线性邻域嵌入，重构出更加准确的高频信息，大幅降低了时间复杂度，对自然图像的超分辨重建，能恢复更为清晰的边缘细节。

【技术实现步骤摘要】
技术邻域
本专利技术属于图像处理技术邻域，更进一步涉及一种图像超分辨重建方法，具体是一种基于最大线性块邻域嵌入的图像超分辨重建方法，可用于自然图像数据的超分辨重建，经过超分辨重建后的图像，更加易于分类、识别及进一步应用。

技术介绍

随着电子信息技术的高速发展，数字图像采集技术被广泛地用于许多实际应用例如计算机视觉、遥感和医学成像、视频监控等等。在各个邻域，随着技术设备的发展以及人们的需求，对数字图像的分辨率有着越来越高的要求，然而由于物理成像系统和成像环境存在一定的局限性从而限制了高分辨率图像的获得。图像超分辨率重建旨在利用信号处理与图像处理的技术从单幅或多幅低分辨图像中恢复出高分辨率图像，克服了成像系统固有的分辨率限制和代价高的缺点，是一种低成本、高效的提高成像质量的方法。在近十年来图像超分辨率重建技术取得了不断的进步，使用信号处理技术从单幅或多幅低分辨图像中恢复出高分辨率图像。
图像超分辨率重建技术已被成功地应用到了遥感成像、医学、生物识别，视频应用等各种应用场景中。在遥感成像邻域，超分辨率重建技术可以促使获得优质的图像从而提高识别的准确性等；在医学邻域中，该技术可以避免由于诊断仪器得到的不好的成像结果而带来的误诊，可以帮助医生做出更加准确的诊断；在生物识别邻域中例如人脸识别、指纹识别等等，超分辨率重建技术可以确保识别的准确性，克服成像不良的缺陷；在视频应用中，该技术能突破原有影像的分辨率限制，促使得到更加清晰的图像视频，带给观众高清的视觉享受。综上所述，超分辨率图像重建技术无论对于科学研究，工业发展以及民生生活的实际应用具有很好的应用前景。
目前已经涌现出了大量的超分辨率图像重建方法，大致可以将它们分为三大类：
(一)基于插值的方法：该方法基于一般的光滑先验从而往往会平滑掉那些变化较小的边缘和区域。
(二)基于多幅图像的方法：该方法认为在低分辨率图像中丢失的高频细节经来自同一场景的一系列亚像素未对准的低分辨率图像而被分散。
(三)基于样例学习的方法：该方法认为低分辨率图像中丢失的高频细节可以从一系列训练样本中学习而获得。与基于多幅图像的方法不同，此类方法在训练样本(低分辨率LR和高分辨率HR图像对)的帮助下，由一副单独的低分辨率(LR)输入而产生高分辨率图像。此类方法被验证得知具有很强的超分辨率能力尤其当放大倍数比较大的时候。
上述三类方法具有一些不足，分别为：
一、不具有足够的判别能力，从而会导致图像模糊的问题；
二、在实际应用中往往不容易获得足够数量的低分辨率图像，并且多幅模糊含噪图像之间配准操作有很大的难度，因此它不适用于实际场景的工程化应用；
三、不合适的训练样本或者特征的提取等因素，都会导致明显的人工痕迹和噪声。

技术实现思路

本专利技术的目的在于针对上述已有技术的不足，提出一种基于最大线性块邻域嵌入的图像超分辨率重建方法，该方法利用了邻域的图像信息，能够快捷迅速的处理图像，并获得清晰的图像结果。
本专利技术是一种基于最大线性块邻域嵌入的图像超分辨重建方法，其特征在于，包括有以下步骤：
步骤1：根据待重构图像的特征，构造训练样本集，从一组训练图像块中提取中、高频特征，用该特征对该组训练样本所在的训练集，采用层级分裂聚类法进行聚类，聚类之后，根据中、高频特征，构建多个不同类的最大线性块(MLP)，将不同类的最大线性块分别近似对应于不同的局部线性结构；
步骤2：对低分辩测试图像用梯度直方图特征进行分类，分为边缘块和非边缘块；
步骤3：邻域的选取，对不同类图像块在所构建的最大线性块(MLP)中分别进行各自对应方式的邻域选取，分别得到不同类别邻域图像块；
步骤4：邻域的嵌入，根据图像块的结构不同，为不同类低分辩测试图像块找到与之对应的最大线性块MLP；
步骤5：图像重建，根据上述选取的邻域图像块，使用最小二乘方法来计算重构的高分辨图像块HF，将这些高分辨图像块HF块按原图像顺序放到图中，得到初始估计的高分辨图像，将低分辩图像与之相加就得到了初始重构的图像；
步骤6：为了得到局部最优的重构结果，将得到的初始重构图像去模糊处理，最终得到一幅完整清晰的高分辨率重构图像。
实现本专利技术的技术方案是：通过聚类方法从训练样本的非线性流形中近似得到多个最大线性块结构，进而实现局部线性邻域嵌入，从而重构出尽可能准确的高频信息，最终完成超分辨重建任务。
本专利技术的实现还在于，步骤1中采用层级分裂聚类法聚类以及获取最大线性块的过程如下：
(1a)采用层级分裂聚类法进行聚类时，从训练样本集X中每次选择非线性程度最大的块进行分裂，直到所有块都达设定阈值的线性程度，从而得到了多个聚类，称为“最大线性块”，对训练样本集X进行不相交划分得到一组不相交的最大线性块X(i)，近似于多个线性流形即：
X = ∪ i = 1 P X ( i ) ]]> X ( i ) = { x 1 ( i ) , x 2 ( i ) , ... , x N i i本文档来自技高网...

【技术保护点】
一种基于最大线性块邻域嵌入的图像超分辨重建方法，其特征在于，包括有以下步骤：步骤1：根据待重构图像的特征，构造训练样本集，从一组训练图像块中提取中、高频特征，对该组训练样本所在的训练集进行聚类，具体采用层级分裂聚类法聚类，将非线性流形近似分为多个最大线性块，使用线性嵌入，聚类后，根据中、高频特征构建多个不同类的最大线性块，将不同类的最大线性块分别近似对应于不同的局部线性结构；步骤2：对低分辩测试图像用梯度直方图特征进行分类，分为边缘块和非边缘块；步骤3：邻域的选取，对不同类图像块在所构建的最大线性块中分别进行各自对应方式的邻域选取，分别得到不同类别邻域图像块；步骤4：邻域的嵌入，根据图像块的结构不同，为不同类低分辩测试图像块找到与之对应的最大线性块；步骤5：图像重建，根据上述选取的邻域图像块，使用最小二乘方法来计算重构的高分辨图像块HF，将这些高分辨图像块HF块按原图像顺序放到图中，得到初始估计的高分辨图像，将低分辩图像与之相加就得到了初始重构的图像；步骤6：将得到的初始重构图像去模糊处理，最终得到一幅完整清晰的高分辨率重构图像。

【技术特征摘要】
2015.05.08 CN 20151023241751.一种基于最大线性块邻域嵌入的图像超分辨重建方法，其特征在于，包括
有以下步骤：
步骤1：根据待重构图像的特征，构造训练样本集，从一组训练图像块中提取
中、高频特征，对该组训练样本所在的训练集进行聚类，具体采用层级分裂聚类
法聚类，将非线性流形近似分为多个最大线性块，使用线性嵌入，聚类后，根据
中、高频特征构建多个不同类的最大线性块，将不同类的最大线性块分别近似对
应于不同的局部线性结构；
步骤2：对低分辩测试图像用梯度直方图特征进行分类，分为边缘块和非边缘
块；
步骤3：邻域的选取，对不同类图像块在所构建的最大线性块中分别进行各自
对应方式的邻域选取，分别得到不同类别邻域图像块；
步骤4：邻域的嵌入，根据图像块的结构不同，为不同类低分辩测试图像块找
到与之对应的最大线性块；
步骤5：图像重建，根据上述选取的邻域图像块，使用最小二乘方法来计算重
构的高分辨图像块HF，将这些高分辨图像块HF块按原图像顺序放到图中，得到初
始估计的高分辨图像，将低分辩图像与之相加就得到了初始重构的图像；
步骤6：将得到的初始重构图像去模糊处理，最终得到一幅完整清晰的高分辨
率重构图像。
2.根据权利要求1所述的基于最大线...

【专利技术属性】
技术研发人员：杨淑媛，焦李成，刘正康，刘红英，侯彪，刘芳，马文萍，马晶晶，缑水平，曹向海，张继仁，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61