【技术实现步骤摘要】
一种多正则化图像超分辨率方法、装置和介质
[0001]本专利技术涉及一种多正则化图像超分辨率方法、装置和介质，属于图像处理
技术介绍
[0002]图像超分辨率（Image Super
‑
Resolution）技术旨在从低分辨率图像中恢复高分辨率图像。在图像超分辨率问题中，从HR图像到LR图像的退化过程中受到包括下采样、噪声和模糊等多种退化因素的影响。为了解决图像超分辨率问题的病态性，基于正则化的方法和基于深度学习的方法被广泛应用于图像超分辨率重建问题中。
[0003]在基于正则化的方法中，正则化项用来对先验知识进行建模。它可以提取图像的重要特征，并惩罚不符合假设的解决方案。在目前的研究中，已经为图像超分辨率问题提出了许多有效的正则化项，例如，TV先验和Tikhonov先验。正则化项可以使获得的图像更接近真实图像，但由于正则化项是人为设计的，往往有一定的主观倾向性，从而导致重建图像的病态性。
[0004]随着神经网络在图像领域的发展，图像超分辨率方法也受到经典的神经网络模型启发并取得...
【技术保护点】
【技术特征摘要】
1.一种多正则化图像超分辨率方法，其特征在于，包括：获取原始图像x和对应的退化后图像y，构建重建模型，并将深度去噪网络引入的先验信息作为重建模型中的正则化项；根据图像梯度更新权重参数；引入了三个辅助变量、、，并采用基于Plug
‑
and
‑
Play框架的半二次分裂方法将重建模型划分为x子问题、子问题、子问题、子问题；将退化后图像y输入到x子问题中求解后获得处理后的图像，将处理后的图像依次输入到子问题、子问题、子问题进行求解处理；将子问题、子问题、子问题处理后的图像再次输入到x子问题处理，循环此过程进行迭代，根据迭代结果选取最优重建图像。2.根据权利要求1所述的多正则化图像超分辨率方法，其特征在于，所述重建模型引入Tikhonov
‑
TV先验和深度去噪先验来约束重建过程。3.根据权利要求2所述的多正则化图像超分辨率方法，其特征在于，所述重建模型为具体如下：；式中：表示清晰图像，表示辅助变量，和表示正则化参数，表示权重参数，，表示正则化项，为超参数，D表示梯度算子，表示拉普拉斯算子，W表示系统矩阵。4.根据权利要求3所述的多正则化图像超分辨率方法，其特征在于，所述权重参数具体如下：；其中：表示归一化函数，表示求平均值的函数。5.根据权利要求3所述的多正则化图像超分辨率方法，其特征在于，将重建模型划分为x子问题、子问题、子问...
【专利技术属性】
技术研发人员：梁虎，张家豪，赵盛荣，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：
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。