基于图模型的单幅图像超分辨率输出方法技术

本发明专利技术公开了一种基于图模型的单幅图像超分辨率输出方法。本发明专利技术步骤如下：1:先将输入的单幅图像利用双三次插值方法按照预设定的采样率进行插值，得到一张低分辨率图像，然后将得到的低分辨率图像分割成m×n的图像块，对每个图像块计算像素值的欧氏距离，根据欧氏距离确定一组相似块的集合；针对分割好的低分辨率图像中的每个图像块都有一组相似块的集合。2:对相似块的集合构建图模型；3:对得到的二维矩阵进行拉普拉斯变换，得到拉普拉斯矩阵，然后利用优化公式求解进行图像块的修复；4:对修复后的图像块集合进行平均并重建，最终得到超分辨率的图像。本发明专利技术能够克服机器学习方法需要大量的图像数据去训练模型的缺点，更加适合图像超分辨率。

【技术实现步骤摘要】
基于图模型的单幅图像超分辨率输出方法
本专利技术涉及图像的超分辨率领域，尤其涉及到单帧图像的超分辨率研究，具体涉及一种基于图模型的单幅图像超分辨率输出方法。技术背景在大量的电子图像应用领域，人们经常期望得到高分辨率图像。高分辨率意味着图像中的像素密度高，能够提供更多的细节，而这些细节在许多实际应用中不可或缺。例如，高分辨率医疗图像对于医生做出正确的诊断是非常有帮助的；使用高分辨率卫星图像就很容易从相似物中区别相似的对象。如果能够提供高分辨的图像，计算机视觉中的模式识别的性能就会大大提高。自从上世纪七十年代以来，电荷耦合器件(CCD)、CMOS图像传感器已被广泛用来捕获数字图像。尽管对于大多数的图像应用来说这些传感器是合适的，但是当前的分辨率水平和消费价格不能满足今后的需求。例如，人们希望得到一个便宜的高分辨率数码相机/便携式摄像机，或者期望其价格逐渐下降。科学家通常需要一个非常高的接近35毫米模拟胶片的分辨率水平，这样在放大一个图像的时候就不会有可见的瑕疵。因此，寻找一种增强当前分辨率水平的方法是非常必须的。目前，大多数的单幅图像的超分辨率采用了机器学习的方法。这些方法主要是通过本文档来自技高网...

【技术保护点】
基于图模型的单幅图像超分辨率输出方法，其特征在于包括如下步骤：步骤1:首先将输入的单幅图像利用双三次插值方法按照预设定的采样率进行插值，得到一张低分辨率图像，然后将得到的低分辨率图像分割成m×n的图像块；然后对每个图像块计算像素值的欧氏距离，从而根据欧氏距离确定一组相似块的集合；针对分割好的低分辨率图像中的每个图像块都有一组相似块的集合；步骤2:对相似块的集合构建图模型；对每个图像块中所有的相似块的像素值之间建立联系，具体如下：将相似块集合中所有相似块的像素值拉成一个列向量，然后根据这个列向量构建二维矩阵，用来存储像素值的联系；步骤3:对得到的二维矩阵进行拉普拉斯变换，得到拉普拉斯矩阵，然后利...

【技术特征摘要】
1.基于图模型的单幅图像超分辨率输出方法，其特征在于包括如下步骤：步骤1:首先将输入的单幅图像利用双三次插值方法按照预设定的采样率进行插值，得到一张低分辨率图像，然后将得到的低分辨率图像分割成m×n的图像块；然后对每个图像块计算像素值的欧氏距离，从而根据欧氏距离确定一组相似块的集合；针对分割好的低分辨率图像中的每个图像块都有一组相似块的集合；步骤2:对相似块的集合构建图模型；对每个图像块中所有的相似块的像素值之间建立联系，具体如下：将相似块集合中所有相似块的像素值拉成一个列向量，然后根据这个列向量构建二维矩阵，用来存储像素值的联系；步骤3:对得到的二维矩阵进行拉普拉斯变换，得到拉普拉斯矩阵，然后利用优化公式求解进行图像块的修复，具体如下：

【专利技术属性】
技术研发人员：张腾，颜成钢，张永兵，赵崇宇，李志胜，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33