基于多层梯度约束回归的单幅图像超分辨率重建方法技术

本发明专利技术公开了一种基于多层梯度约束回归的单幅图像超分辨率重建方法。主要包括以下步骤：利用训练图像，在梯度及残差域分别学习多层的回归模型；将输入低分辨率图像插值，得到初始高分辨率图像；将当前的高分辨率图像作为输入，利用当前层对应的梯度及残差域回归模型分别估计出梯度及残差；根据当前层估计的梯度及残差，构建并优化重建代价函数，得到当前层的重建结果；以上一层重建结果作为新的高分辨率图像，重复执行以上两个步骤，直到达到最大重建次数，最后输出即为最终重建结果。本发明专利技术所述方法可以由低分辨率图像重建高质量的高分辨率图像，并有较快的重建速度，其可应用于军事、遥感、医疗等领域。

Single image super-resolution reconstruction method based on multilayer gradient constrained regression

The invention discloses a single image super-resolution reconstruction method based on multilayer gradient constrained regression. Mainly includes the following steps: using training images, the gradient and residual domain respectively learning regression model of multilayer; the input low resolution image interpolation, to obtain the initial high resolution image; the current high resolution image as input, using the gradient current layer corresponding to the residual domain and regression model were estimated according to the gradient and gradient residual; and the residual current layer estimation, construction and optimization of reconstruction cost function, get the current layer above a layer of the reconstruction results; as a result of new high resolution image reconstruction, the above two steps are repeated, until it reaches the maximum number of reconstruction, the final output is the final result of reconstruction. The method of the invention can reconstruct high-quality high-resolution images from low resolution images, and has faster reconstruction speed, and can be applied to military, remote sensing, medical treatment and other fields.

【技术实现步骤摘要】
基于多层梯度约束回归的单幅图像超分辨率重建方法
本专利技术涉及图像分辨率提升技术，具体涉及一种基于多层梯度约束回归的单幅图像超分辨率重建方法，属于图像处理领域。
技术介绍
在军事、医疗、农业、民生等领域，图像及视频都有广泛的应用，尤其是高分辨率的图像或视频。然而，由于成像设备及成像环境等因素的限制和影响，实际获取的图像或视频的质量往往难以满足实际使用的要求，如存在分辨率不足、噪声污染严重、模糊等问题。因此，在实际应用中，通过图像处理技术来针对性地提升已获取的图像及视频信号的质量，是很有必要的。超分辨率重建技术是提升图像或视频信号的分辨率的方法之一，其具有易于实现、成本低、适用性强等特点。其中，单幅图像超分辨率重建技术是指由观测的单幅低分辨率图像估计对应的高分辨率图像。显然，由于采样等降质过程，同一低分辨率图像可能对应多个不同的高分辨率图像。因此，单幅图像超分辨率重建问题具有严重的病态性。为了获得一个稳定、可靠的高分辨率估计，图像先验在重建过程中是必不可少的。先验模型可以通过挖掘自然图像满足的通用特性来获取，也可以利用大量的自然图像来学习获得。目前的单幅图像超分辨率重建方法大致可以分为本文档来自技高网...

【技术保护点】
基于多层梯度约束回归的单幅图像超分辨率重建方法，其特征在于包括以下步骤：步骤一：利用训练图像，在梯度及残差域分别学习多层的的回归模型；步骤二：将输入低分辨率图像插值，得到初始高分辨率图像；步骤三：将当前的高分辨率图像作为输入，利用当前层对应的梯度及残差域回归模型分别估计出梯度及残差；步骤四：根据步骤三估计的梯度及残差，构建并优化重建代价函数，得到当前层的重建结果；步骤五：以步骤四的重建结果作为新的高分辨率图像，重复执行步骤三和四，直到达到最大重建次数，最后输出即为最终重建结果。

【技术特征摘要】
1.基于多层梯度约束回归的单幅图像超分辨率重建方法，其特征在于包括以下步骤：步骤一：利用训练图像，在梯度及残差域分别学习多层的的回归模型；步骤二：将输入低分辨率图像插值，得到初始高分辨率图像；步骤三：将当前的高分辨率图像作为输入，利用当前层对应的梯度及残差域回归模型分别估计出梯度及残差；步骤四：根据步骤三估计的梯度及残差，构建并优化重建代价函数，得到当前层的重建结果；步骤五：以步骤四的重建结果作为新的高分辨率图像，重复执行步骤三和四，直到达到最大重建次数，最后输出即为最终重建结果。2.根据权利要求1所述的基于多层...

【专利技术属性】
技术研发人员：何小海，陈洪刚，卿粼波，滕奇志，吴小强，王正勇，陶青川，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51