[发明专利]基于自然图像统计稀疏模型的单帧图像超分辨重建方法

说明书

技术领域

本发明涉及一种单帧图像超分辨重建方法，特别涉及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。

背景技术

文献“Image super resolution via sparse representation，IEEE Trans.Image Processing，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。

发明内容

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，本发明提供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，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。

本发明解决其技术问题所采用的技术方案：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，

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，X_c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：