The invention discloses a super resolution image reconstruction algorithm of high rate a middle scale constraint, a priori constraint into the middle scale image, build high in combined with low resolution dictionary learning model, the training of high in low resolution three tuple dictionary; using a simple sampling algorithm on middle scale images, low resolution the image input joint sparse decomposition under the constraint of middle scale, obtain the sparse coefficients; high resolution synthetic super resolution image based on the dictionary. The method of the invention effectively improves the fidelity and resolution of the image with high magnification and super resolution without increasing the amount of calculation.
【技术实现步骤摘要】
一种中间尺度约束的高倍率图像超分辨率重建方法
本专利技术属于图像处理
,涉及一种图像超分辨率重建方法,具体涉及一种中间尺度约束的高倍率图像超分辨率重建方法。技术背景图像超分辨率重建是一种图像空间分辨率增强的方法,利用信号处理的方法将低分辨率图像的分辨率提高并重建出高质量的清晰图像。超分辨率重建技术为提高图像空间分辨率提供了一种成本低廉、切实有效的解决途径,在航天遥感、视频监控、手机视频等领域具有广泛的应用前景。很多实际应用场合,如遥感卫星对地观测,出于细致辨识的需要,需要对低分辨率观测图像进行高倍率超分辨率。当前流行的基于学习的超分辨率方法尽管在低倍率放大时取得了显著的效果,但用于高倍率放大,其效果将模糊不清。究其原因在于,基于字典学习的超分辨率方法假设高分辨率图像和对应的低分辨率图像共享同一流形空间,从而将低分辨率图像上训练的字典表达系数用于重建高分辨率图像。在超分辨率倍数不太大时,高低维空间的流形一致性假设基本成立,因而能够给出较好的重建效果;但当放大倍数较大时,也即高倍率放大情况下,高低维流形一致性被削弱,仍然沿用训练的低分辨率表达系数对高分辨率图像进行重建,将存在较大的模型误差,导致重建结果图像模糊不清,失去了使用价值。图像超分辨率重建是一个典型的病态逆问题求解过程,对低分辨率观测图像的先验知识掌握越多,越有助于改善问题的正定性。在高倍率重建的情况下,输入图像和目标重建结果图像的分辨率悬殊过大,引起解空间膨胀是造成问题求解困难的主要原因。如果存在一种可资利用的介于二者之间的中间分辨率图像,或中间尺度图像,用这个中间尺度图像作为低分辨率向甚 ...
【技术保护点】
一种中间尺度约束的高倍率图像超分辨率重建方法,其特征在于,包括以下步骤:步骤1:获取若干高分辨率图像样本,制作高‑中‑低分辨率的训练图像块样本集{Sh,Sm,Sl};其中,Sh表示高分辨率图像块集合,Sm表示中等分辨率图像块集合,Sl表示低分辨率图像块集合;步骤2:建立联合稀疏表达模型,利用训练图像块样本集{Sh,Sm,Sl}训练高‑中‑低分辨率联合字典{Dh,Dm,Dl};其中,Dh、Dm、Dl分别代表高分辨率字典、中等分辨率字典、低分辨率字典;步骤3:运用图像上采样算法,对输入的低分辨率图像进行插值放大,生成中间尺度图像;步骤4:通过中间尺度图像约束的低分辨率图像稀疏分解,获得低分辨率图像块的稀疏域表达系数;步骤5:利用训练得到的高分辨率字典Dh和低分辨率图像块的稀疏域表达系数,重建最终的高分辨率图像。
【技术特征摘要】
1.一种中间尺度约束的高倍率图像超分辨率重建方法,其特征在于,包括以下步骤:步骤1:获取若干高分辨率图像样本,制作高-中-低分辨率的训练图像块样本集{Sh,Sm,Sl};其中,Sh表示高分辨率图像块集合,Sm表示中等分辨率图像块集合,Sl表示低分辨率图像块集合;步骤2:建立联合稀疏表达模型,利用训练图像块样本集{Sh,Sm,Sl}训练高-中-低分辨率联合字典{Dh,Dm,Dl};其中,Dh、Dm、Dl分别代表高分辨率字典、中等分辨率字典、低分辨率字典;步骤3:运用图像上采样算法,对输入的低分辨率图像进行插值放大,生成中间尺度图像;步骤4:通过中间尺度图像约束的低分辨率图像稀疏分解,获得低分辨率图像块的稀疏域表达系数;步骤5:利用训练得到的高分辨率字典Dh和低分辨率图像块的稀疏域表达系数,重建最终的高分辨率图像。2.根据权利要求1所述的中间尺度约束的高倍率图像超分辨率重建方法,其特征在于,步骤1中所述制作高-中-低分辨率的训练图像块样本集{Sh,Sm,Sl},其具体实现包括以下子步骤:步骤1.1:将每幅高分辨率图像的长宽下采样倍得到中等分辨率图像、下采样k倍得到低分辨率图像;其中,k表示图像长宽的超分辨率放大倍数,k≥4;步骤1.2:将高分辨率图像、中等分辨率图像、低分辨率图像均裁剪成正方形的图像块,收集所有的图像块,构成高-中-低分辨率的训练图像块样本集{Sh,Sm,Sl}。3.根据权利要求1所述的中间尺度约束的高倍率图像超分辨率重建方法,其特征在于,步骤2的具体实现过程是:令xh、xm、xl分别代表输入的高分辨率图像块、中等分辨率图像块、低分辨率图像块;w为输入图像块在字典上的稀疏表达系数,L、M、N分别表示高分辨率图像块、中等分辨率图像块、低分辨率图像块的维度;则通过给定的{Sh,Sm,Sl}训练字典{Dh,Dm,Dl}的过程转化为如下的优化问题:变换形式,上式等价于:
【专利技术属性】
技术研发人员:王中元,王若溪,韩镇,周立国,何政,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北,42
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。