基于自然图像统计稀疏模型的单帧图像超分辨重建方法技术

本发明专利技术公开了一种基于自然图像统计稀疏模型的单帧图像超分辨重建方法，用于解决现有基于稀疏表示的单帧图像超分辨重建算法重建图像质量差的技术问题。技术方案是利用自然图像的统计特性，采用贝叶斯方法对图像超分辨重建问题进行建模，并采用最小均方误差准则对高分辨率图像进行估计。重建得到的高分辨图像更加自然，伪结构数目减少，且具有更清晰的边缘结构，与背景技术的方法相比，能获得更高质量的超分辨重建图像，重建结果提高了1dB～2dB。

【技术实现步骤摘要】

本专利技术涉及一种单帧图像超分辨重建方法，特别涉及一种。
技术介绍
文献“Image super resolution via sparse representation, IEEE Trans. ImageProcessing, Vol. 19(11)，pp. 2861-3873，2010”公开了一种基于稀疏表示的单帧图像超分辨重建算法。该方法的超分辨重建过程是逐个图像块进行估计。对每个低分辨率的图像块，该方法首先求解该图像块关于一个低分辨率字典的稀疏表示系数，然后使用该稀疏表示系数与和低分辨率字典对应的一个高分辨率图像进行高分辨率图像块的重建。该估计过程对低分辨率图像进行逐像素块的估计，最终的高分辨率图像通过估计得到的高分辨率图像块的加权拼接得到。该方法通过对低分辨率字典和高分辨率字典的联合学习，提高了重建质量。该方法的缺陷是，由于估计过程是逐像素块进行的，相邻图像块的估计过程互相独立，因而相邻图像块地估计结果不一定一致；其次，由于只使用了小的图像块作为估计算法的输入，该方法不能利用自然图像在大尺度上的统计特性，在估计结果中容易产生一些不自然的伪结构信息。
技术实现思路
为了克服现有基于稀疏表示的单帧图像超分辨重建算法重建图像质量差的不足，本专利技术提供一种，该方法利用自然图像的统计特性，采用贝叶斯方法对图像超分辨重建问题进行建模，并采用最小均方误差准则对高分辨率图像进行估计，能够得到高质量的超分辨率重建图像。本专利技术解决其技术问题所采用的技术方案一种，其特点是包括以下步骤(a)使用马尔科夫随机场对图像X的统计特性进行建模，权利要求1.一种，其特征在于包括以下步骤 (a)使用马尔科夫随机场对图像X的统计特性进行建模，全文摘要本专利技术公开了一种，用于解决现有基于稀疏表示的单帧图像超分辨重建算法重建图像质量差的技术问题。技术方案是利用自然图像的统计特性，采用贝叶斯方法对图像超分辨重建问题进行建模，并采用最小均方误差准则对高分辨率图像进行估计。重建得到的高分辨图像更加自然，伪结构数目减少，且具有更清晰的边缘结构，与
技术介绍
的方法相比，能获得更高质量的超分辨重建图像，重建结果提高了1dB～2dB。文档编号G06T5/00GK102750678SQ20121020103公开日2012年10月24日 申请日期2012年6月18日 优先权日2012年6月18日专利技术者孙瑾秋, 张海超, 张艳宁, 朱宇, 李海森 申请人:西北工业大学本文档来自技高网...

【技术保护点】
一种基于自然图像统计稀疏模型的单帧图像超分辨重建方法，其特征在于包括以下步骤：（a）使用马尔科夫随机场对图像X的统计特性进行建模，p(X)=1ZΠc∈Ωf(Xc)---(1)式中，Z表示归一化常数，Ω表示图像X的所有像素位置的集合，c∈Ω是图像坐标位置的索引，Xc表示图像在c位置处的图像邻域，称作团簇；f(·)是图像团簇的势函数，图像团簇的势函数定义如下：f(Xc)=Πk=1KΠi=1Np(Zik)N(wiTXc;0,σ2sZik)---(2)式中，是一组滤波器；N(X；μ，σ)表示X服从均值为μ，方差为σ的正态分布；p(Zik)表示矩阵Z中第i行k列元素的概率，表示一个由Zik索引的尺度因子；其中，i＝1，2，…N是尺度索引，k=1，2，…K是势函数索引，N是尺度的总数，K是势函数的总数；（b）依据图像的观测模型通过高斯分布模型构建似然函数模型，得到如下似然函数：P(Y|X)=N(Y；DHX，σ2I)？？？？(3)式中，Y表示给定的低分辨率图像，H表示低通滤波算子，D表示下采样算子，I是单位矩阵，σ表示噪声的标准差；（c）利用贝叶斯公式，将(1)式与(3)式相乘，得到图像的后验模型：P(X|Y)∝N(Y;DHX,σ2I)·Πc∈Ωf(Xc)---(4)式中，∝表示符号左右的项之间成正比关系；（d）对Z和超分辨率图像X进行交替采样估计：①通过对每个元素的采样对Z进行采样估计，P(Zik|X,Y,D,H,Θ)∝P(Zik)N(wicXc;0,σi2sZik)---(5)②获得对Z的采样后，将其值代入下式，对X=X1+X2进行采样：P(X|Z,Y,D,H,Θ)∝N(X;QZ-1HTDTyσ2,QZ-1)---(6)式中，QZ=1σ2HTDTDH+Σi=1NWiDiWiT,Di=diag(sZikσi2);X1通过下式求解，WZWTX1=WZV---(7)式中，V是从0均值的高斯分布中抽取的一个样本，即V～N(0，I)，W=[HTDTW1W2…WN]，X2通过下式求解，QZX2=HTDTyσ2---(8)得到X1和X2的采样后，通过求和得到对X的采样值；（e）通过对图像的后验模型进行采样，得到N个样本点：{X1，X2，…，XM，XM+1，…XN}；丢弃采样初期的前M个样本点，通过剩余的N？M个样本点，得到对高分辨率图像的近似最小均方误差估计：X^=1N-MΣi=M+1NXi---(9)式中，i是采样次数的索引。FDA00001777093400013.jpg,FDA00001777093400014.jpg,FDA00001777093400024.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：张艳宁，张海超，李海森，朱宇，孙瑾秋，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：