【技术实现步骤摘要】
本专利技术涉及图像超分辨率研究领域，特别涉及一种。
技术介绍
在实际应用中，由于摄像机与感兴趣景物距离较远、或由于硬件原因使所拍摄图像的分辨率很低，感兴趣景物在图像中所占的像素个数很少，从而缺少细节信息，导致难以从图像中识别和提取感兴趣的区域。图像超分辨率研究技术因为可解决上述问题而得到广泛关注。传统的图像超分辨率重建方法是通过同一场景的多个低分辨率图像对高分辨率图像进行估计，但这种方法对于多个子像素精度的低分辨图像的对齐是困难的，并且现在许多的应用只允许单幅输入的低分辨率图像。单幅图像的图像超分辨率方法可以分为三种基于插值的方法，基于重构的方法和基于实例的方法。传统的插值方法和重构方法需要配合先验知识，但是常用的关于边缘的先验知识无法从低分辨率图像的大部分平滑图像区域中构造出高分辨率的边缘细节；基于实例的方法虽然能通过学习高分辨率和低分辨率图像块对来恢复丢失的高分辨率图像细节信息，但是基于实例的方法关于低分辨率图像间的相似意味着相应的高分辨率图像间的相似的假设实际上不一定成立，因此不能保证还原的高分辨率图像细节的准确性。
技术实现思路
本专利技术的主要目的在于克服...
【技术保护点】
基于纹理上下文约束的视觉词汇的图像超分辨率重建方法，其特征在于，包括以下步骤：(1)训练阶段：分为两个部分，（1?1）第一个部分：把成对的同一场景下的高分辨率训练图像块和低分辨率训练图像块的梯度域特征组合在一起，对组合的特征进行聚类分析，把聚类得到的成对的高分辨率的视觉词汇和低分辨率的视觉词汇作为几何共生特征先验知识，并通过主成分分析找到表达每一个高分辨率视觉词汇的子空间；（1?2）第二个部分：通过图像分割，从高分辨率图像训练集中产生带有连续纹理特征的高分辨率图像区域库，然后通过降采样得到对应的低分辨率区域库，从而构建出一个由高分辨率图像区域和低分辨率图像区域对组成的数据库...
【技术特征摘要】
1.基于纹理上下文约束的视觉词汇的图像超分辨率重建方法，其特征在于，包括以下步骤(1)训练阶段分为两个部分，(1-1)第一个部分把成对的同一场景下的高分辨率训练图像块和低分辨率训练图像块的梯度域特征组合在一起，对组合的特征进行聚类分析，把聚类得到的成对的高分辨率的视觉词汇和低分辨率的视觉词汇作为几何共生特征先验知识,并通过主成分分析找到表达每一个高分辨率视觉词汇的子空间；(1-2)第二个部分通过图像分割，从高分辨率图像训练集中产生带有连续纹理特征的高分辨率图像区域库，然后通过降采样得到对应的低分辨率区域库，从而构建出一个由高分辨率图像区域和低分辨率图像区域对组成的数据库；(2)测试阶段把输入的低分辨率图像分为若干个图像块和图像区域，通过基于纹理上下文中的词频信息的最大后验概率标准找到最优候选视觉词汇，然后实施子空间约束和重构约束构建高分辨率图像块，最后施加邻近高分辨率图像块间的兼容性约束构建整个图像。2.根据权利要求1所述的基于纹理上下文约束的视觉词汇的图像超分辨率重建方法， 其特征在于，所述步骤(1-1)中，通过计算水平和竖直的一阶梯度作为局部特征，并且把一个图像块的所有像素点的梯度特征连接起来形成一个向量作为梯度域特征，从而得到每一个图像块的局部几何特征表示，然后再连接高、低分辨率图像块的局部几何特征作为组合的特征。3.根据权利要求1所述的基于纹理上下文约束的视觉词汇的图像超分辨率重建方法， 其特征在于，所述步骤(1-1)中，对组合的特征进行聚类分析后，在初始的聚类结果上采取增量方式的竞争学习方法改善聚类结果，具体步骤如下设经过仿射传播聚类后有N个聚类4.根据权利要求1所述的基于纹理上下文约束的视觉词汇的图像超分辨率重建方法， 其特征在于，所述步骤(1-2 )中纹理特征是通过计算滤波器的响应得到的，滤波器组包含三个尺度、六个方向的一阶和二阶高斯差分滤波器加上一个围绕中心的高斯差分滤波器共19 个，对每一个滤波器i，把滤波器的响应量化为20个区间Hi={hi...
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。