[发明专利]基于双字典学习的图像超分辨重建方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种对低分辨图像进行超分辨重建的方法，该方法可用于各种自然图像的超分辨重建。

背景技术

图像的超分辨重建是指利用一幅或多幅低分辨率图像，根据相应的算法重构出一幅清晰的高分辨率图像，它是图像处理中重要而又富有挑战性的研究内容，在视频监控、高清电视成像等方面应用广泛。目前国内外针对图像的超分辨重建做了大量的研究工作，提出许多经典的算法。

比较传统的图像超分辨重建方法包括双线性插值、双立方插值、迭代反向投影、凸集投影法等。这些方法计算量小，原理简单，已经被广泛地应用到图像超分辨重建中，但是这些传统方法在超分辨重建过程中会产生振铃、块效应等人工痕迹，并且在高放大因子条件下重建的图像质量下降比较严重。

针对上述传统的图像超分辨重建方法效果较差，在实际应用中不能很好地实现的问题，目前国际上提出了一些改进上述缺点的超分辨重建算法。如，Hong Chang等人提出一种基于邻域嵌入的图像超分辨重建算法，具体参见文献《Super-resolution through neighbor embedding》.CVPR,2004。在该算法中，假设高、低分辨率图像具有相似的结构，将低分辨空间的权值运用于高分辨空间，重构出高分辨图像。但是这种算法获得的高分辨图像缺乏细节信息，图像边缘比较模糊；此后，Yang等人提出了一种基于稀疏表示字典学习的算法，具体参见文献《Super-Resolution Via Sparse Representation》IEEE Trans.Image Process,2010,vol.19,pp:2861-2872，该算法首先通过字典学习的方法获得低分辨字典与高分辨字典，然后将待处理的低分辨图像在低分辨字典下进行投影，得到低分辨图像的稀疏表示系数，最后根据投影得到的稀疏表示系数和高分辨字典，便可以得到重构的高分辨图像。但该方法需要大量的低分辨率图像和高分辨率图像块以保证先验轮廓细节信息的充分性，计算量巨大，图像重建时间长，导致效率偏低。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于双字典学习的图像超分辨重建方法，以在图像超分辨重建时，能够去除振铃和块效应这些人工痕迹，恢复更多的图像细节信息，提高重建图像的质量。

为实现上述目的，本发明的技术方案包括如下步骤：

(1)输入一幅待处理的低分辨图像X_L，图像大小为m×n，设定图像的放大倍数为2；

(2)对待处理的低分辨图像X_L进行大小为3×3的分块，相邻块之间重叠2个像素，得到G个待处理低分辨图像块P_l(i)，i＝1,...,G；

(3)输入5幅高分辨训练图像和相应的5幅低分辨训练图像，利用训练图像构造5个高分辨字典D_h1,D_h2,...,D_h5和相应的5个低分辨字典D_l1,D_l2,...,D_l5；

(4)在第1对高分辨和低分辨字典(D_h1,D_l1)下，重构大小为2m×2n的高分辨估计图像X_H1：

4a)提取待处理低分辨图像块P_l(i)，初始化P_l(i)的标记为i＝1；

4b)利用如下公式计算待处理低分辨图像块P_l(i)与低分辨字典D_l1中各元素的距离DIST1(t)：

DIST1(t)＝|P_l(i)-D_l1(t)|²，

其中D_l1(t)，t＝1,2,...,T，t表示第t个低分辨字典元素，T表示低分辨字典元素的总数量，即T＝20000，|·|²表示取(·)的绝对值平方操作；

4c)将距离DIST1(t)中最小的前5个结果对应的5个低分辨字典元素记为D_l1(k),k＝1,...,5，通过低分辨字典D_l1与高分辨字典D_h1之间的对应关系，找到高分辨字典D_h1中相对应的5个高分辨字典元素D_h1(k),k＝1,...,5；