基于联合稀疏约束的统一特征空间图像超分辨重建方法技术

本发明专利技术公开一种基于联合稀疏约束的统一特征空间图像超分辨重建方法，其实现步骤为：(1)从自然图像库中取z幅图像，构造样本集；(2)将样本聚成C类，使用联合学习得到每类低分辨投影矩阵和高分辨投影矩阵；(3)用将每类高分辨梯度特征样本投影，得到样本集Mj；(4)利用联合稀疏约束对Mj和高分辨细节进行字典学习，得到每类字典和字典(5)对输入低分辨图像Xt分块，利用每类的投影矩阵将图像块投影，得到每类联合特征，利用联合特征和每类字典得到系数；(6)利用系数和每类字典得到重建结果；(7)用小波变换将重建结果进行融合，得到一个高分辨结果rh；(8)重复步骤(5)到步骤(7)，得到高分辨图像R0，使用IBP算法对其处理，得到重建结果RH。本发明专利技术具有重建结果边缘清晰的优点，可用于图像识别和目标分类。

【技术实现步骤摘要】

本专利技术属于数字图像处理
，涉及一种图像的超分辨率重构方法，可用于各种自然图像的超分辨重构，并且对图像的结构信息有更好的重建效果。
技术介绍
在实际生活中，图像已成为人们获取信息的一种重要手段，已广泛应用于航天与航空、生物医学、通信、工业控制、军事公安、文化艺术、计算机视觉、视频与多媒体系统、科学可视化、电子商务等众多领域。在很多应用领域中，如医学诊断、模式识别、视频监控、生物鉴别、高清晰电视HDTV成像、遥感图像解译、高空对地观测等，图像处理系统往往需要处理高分辨率的图像，以提高应用系统的性能。然而，在实际应用中，受成像系统物理分辨率限制，以及场景变化与天气条件等诸多因素的影响，实际成像过程中往往存在光学与运动模糊、欠采样和噪声等退化因素，导致成像系统只能得到质量较差、分辨率较低的图像或图像序列，通常满足不了实际的应用要求，这给后续的图像处理、分析和理解带来诸多困难，不利于人们正确地认识客观世界及其规律。为解决成像设备分辨率的不足和成像条件的限制，人们提出了一种借助信号处理技术增加图像空间分辨率的“软件”方法，即图像超分辨重建技术。图像超分辨技术是模拟成像系统的图像退化过本文档来自技高网...

【技术保护点】
一种基于联合稀疏约束的统一特征空间图像超分辨重建方法，包括如下步骤：(1)从自然图像库中取z幅常见的自然图像，60≤z≤70，使用选取的自然图像构造低分辨图像梯度特征块训练集和高分辨图像梯度特征块训练集以及高分辨图像高频细节块训练集其中，ai表示第i个低分辨图像梯度特征块，bi表示第i个高分辨图像梯度特征块，hi表示第i个高分辨图像高频细节块，N表示总的图像块数；(2)使用K?均值聚类方法将上述样本集A、B和H聚成C类，分别得到每类样本和每个聚类中心集其中，表示第j类低分辨图像梯度特征样本集，表示第j类高分辨图像梯度特征样本集，表示第j类高分辨图像高频细节样本，Cj表示第j类的聚类中心，j∈{...

【技术特征摘要】
1.一种基于联合稀疏约束的统一特征空间图像超分辨重建方法，包括如下步骤: (1)从自然图像库中取Z幅常见的自然图像，60( Z ( 70，使用选取的自然图像构造低分辨图像梯度特征块训练集^ = 和高分辨图像梯度特征块训练集容=，以及高分辨图像高频细节块训练集G，其中, 表示第i个低分辨图像梯度特征块，bi表示第i个高分辨图像梯度特征块，h表示第i个高分辨图像高频细节块，N表示总的图像块数； (2)使用K-均值聚类方法将上述样本集A、B和H聚成C类，分别得到每类样本2.根据权利要求1所述的基于联合稀疏约束的统一特征空间图像超分辨重建法，其中步骤(I)所述的构造低分辨图像梯度特征块训练集^ = kH,和高分辨图像梯度特征块训练集B = ，以及高分辨图像高频细节训练集1 =汍丨.；!,，按如下步骤进行: Ia)从自然图像库中取z幅常见的自然图像，60 ^ z ^ 70 ;使用降质模型:X = SGYjfz幅高分辨图像进行模拟降质，得到对应的低分辨图像库；接着将得到的低分辨图像库中的图像使用bicubic插值放大2倍，得到低分辨插值图像W，其中，X表示经过降质后得到的低分辨图像，Y表示原始的高分辨图像，G表示高斯模糊矩阵，S表示下采样矩阵； Ib)对高分辨图像Y和插值图像W提取梯度特征，并对所得的特征图像进行分块，插值特征图像分成大小为6X6的图像块％以及相对应的高分辨特征图像分成大小为9X9的图像块bp最终得到低分辨特征样本集』=k已和高分辨特征样本集S = 匕;对图像库中的高分辨图像Y提取它们的高频信息，并分成大小为9X9的图像块h，得到高分辨图像高频细节训练集1 =汍匕-3.根据权利要求1所述的基于联合稀疏约束的统...

【专利技术属性】
技术研发人员：张小华，代坤鹏，焦李成，侯彪，田小林，马文萍，马晶晶，朱文杰，刘伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：