一种基于分数阶梯度插值的超分辨率方法技术

一种基于分数阶梯度插值的超分辨率方法，其步骤依次如下：①首先构建基于分数阶的梯度模板：对插值的中心点建立6个方向的分数阶梯度模板，对插值边缘点建立9个方向的分数阶梯度模板；②然后通过图像相似性准则选择最优分数阶值及插值梯度：采用梯度相似的最小能量函数确定最优的分数阶值；③然后通过最小能量函数构建超分辨率图像；④之后通过金字塔法构建多比例超分辨率图像：每层比例为2，对每4个低分辨率像素点，插值1个中心点和4个边缘点。本发明专利技术可得到最优梯度值，获得的高分辨率图像有更高的相似度及更加清晰的纹理细节，并且在大比例下有较好的鲁棒性。

【技术实现步骤摘要】
一种基于分数阶梯度插值的超分辨率方法
本专利技术涉及计算机及自动化
，特别提供了一种以图像识别技术为核心的基于分数阶梯度插值的超分辨率方法。
技术介绍
单图像超分辨率是通过一幅低分辨图像来产生高分辨图像。在无人机农业图像分析，视频监控以及图像融合方面得到了广泛的应用。通常来说图像的超分辨率方法分为两种：多图像超分辨率和单图像超分辨率。多图像超分辨率采用多幅同一场景的图像合成一幅高分辨图像(参见下述文献：[1]J.Boulanger,C.Kervrann,P.Bouthemy,时空自适应图像序列恢复(Space-timeadaptationforpatch-basedimagesequencerestoration),IEEE模式分析与机器智能(TransactionsonPatternAnalysisandMachineIntelligence)29(6)(2007)1096–1102.[2]S.Farsiu,M.D.Robinson,M.Elad,P.Milanfar,快速鲁棒性多帧图像超分辨率(Fastandrobustmulti-framesuperresolution)本文档来自技高网...

【技术保护点】
一种基于分数阶梯度插值的超分辨率方法，其特征在于：其步骤依次如下：①首先构建基于分数阶的梯度模板；②然后通过图像相似性准则选择最优分数阶值及插值梯度；③然后通过最小能量函数构建超分辨率图像；④之后通过金字塔法构建多比例超分辨率图像；其中：步骤①的具体要求是：对插值的中心点建立6个方向的分数阶梯度模板，对插值边缘点建立9个方向的分数阶梯度模板；步骤②的具体要求是：采用梯度相似的最小能量函数确定最优的分数阶值；步骤③的具体要求是：采用如下算法：

【技术特征摘要】
1.一种基于分数阶梯度插值的超分辨率方法，其特征在于：其步骤依次如下：①首先构建基于分数阶的梯度模板；②然后通过图像相似性准则选择最优分数阶值及插值梯度；③然后通过最小能量函数构建超分辨率图像；④之后通过金字塔法构建多比例超分辨率图像；其中：步骤①的具体要求是：对插值的中心点建立6个方向的分数阶梯度模板，对插值边缘点建立9个方向的分数阶梯度模板；步骤②的具体要求是：采用梯度相似的最小能量函数确定最优的分数阶值；步骤③的具体要求是：采用如下算法：其中：u为插值后的图像，h代表高斯核，*代表卷积算子，↓s代表下采样算子，↑s代表上采样算子，λ代表平衡图像相似和梯度相似的系数；C(u)为最小能量函数，f为原始输入的图像，为插值图像的梯度，为优化的梯度；步骤④的具体要求是：每层比例为2，对每4个低分辨率像素点，插值1个中心点和4个边缘点。2.按照权利要求1所述基于分数阶梯度插值的超分辨率方法，其特征在于：步骤①的具体要求是：分数阶梯度模板根据分数阶导数G-L定义的泰勒近似展开系数建立：其中：Γ()为伽马函数，α阶导数的梯度模板建立为如下公式：3.按照权利要求1或2所述基于分数阶梯度插值的超分辨率方法，其特征在于：步骤②的具体要求是：首先根据计算图像块边缘方向为：之后根据边缘方向选择角度最接近的上述的模板，计算插值梯度为：其中：为最近邻模板，fx，y为低分辨率图像块，为插值的梯度；最后调整分数阶α值，使如下能量函数最小，确定最优插值的梯度值如下：4.按照权利要求1或2所述基于分数阶梯度插值的超分辨率方法，其特征在于：采用线性金字塔框架来分层构建高分辨图像，并提供高分辨率图像逐层构建的框架；线性金字塔法通过每层中最小能量函数，保证了每一层构建的高分辨率图像与相应的低分辨率图像的“保真性”，即相似性；金字塔构建方式满足如下要求：每一层的比例因子设置为2；每个插入点的值是由分数阶梯度值确定，并通过调整分数阶阶次值，由最小能量函数保证其插入的梯度值与原低分辨率图像梯度值的相似性，进而确定其最优的梯度值；在每层中，插入点满足如下要求：对于给定的第一层四个像素点梯度值，在其内部插入5个梯度值，构建得到第二层高分辨率图像，即图像放大2倍，在第三层重复上一步操作，在之前的基础上增加更多点，以下各层重复操作，所以图像的比例为2，4，8，….，2n；建立完金字塔超分辨率框架后，我们需要确定插值点计算，使生成的高分辨图像有清晰的纹理结构以及出色的保真性。处理流程及算法：首先构建高分辨图像的梯度值调整分数阶值α，通过最小能量函数选择梯度与输入图像最相近的即优化的之后通过重构的最小能量函数迭代出最终高分辨图像；其中h为高斯核，*为卷积运算，卷积高斯核是为了获得下采样图像，使高分辨率图像和低分辨率图像在同一分辨率下进行比较；下面逐个说明每个步骤：自优化的分数阶梯度插值相关内容如下：采用分数阶梯度插值的方法来恢复高频图像的细节，合成清晰的纹理及细节；三种基本的分数阶导数定位为G-L,R-L以及Caputo；其中G-L定义应用最为广泛，在此采用G-L定义，如下所示：其中：是多项式(1-z)α的系数，其能通过如下迭代运算对于二维图像，参数h＝1，t∈[b-a]；因此函数f(t)的α阶导数能够近似为：基于如上公式，设定建立分数阶模板遮罩如下：为使插值更加光滑，选择使用遮罩在区域的边缘方向来计算插入点值；边缘方向计算如下：其中：和θ分别指输入图像块的x方向梯度，y方向梯度，以及边缘方向角度；对于插值的中心点，建立了6个方向遮罩，边缘插值点，建立了9个方向遮罩；具体地：选择与输入图像块边缘方向最近的梯度模板来计算插入的梯度值，插入点的梯度计算如下：其中：为高分辨图像块的梯度，fx，y为输入的图像块，为离图像块边缘角度最近的模板；为了确定最优的梯度值及分数阶值，通过不断调整分数阶α值，计算其最小能量函数，确定插入的最优梯度值；如下所示：确定最优的高分辨率梯度后，通过图像相似和梯度相似的最小能量函数，来重构高分辨图像；高分辨率图像重构得相关内容如下：重构图像采用如下公式：

【专利技术属性】
技术研发人员：杨旗，张玉璞，
申请(专利权)人：沈阳理工大学，
类型：发明
国别省市：辽宁,21