[发明专利]基于结构自相似性与稀疏表示的超分辨率图像重构方法

权利要求书

1.一种基于结构自相似性与稀疏表示的超分辨率图像重构方法，包括如下步骤： 

步骤1.输入训练样例图像对，用训练样例图像对学习构造一对规模均为K的低分辨率字典D_l和所对应的高分辨率字典D_h； 

步骤2.输入待重构的低分辨率图像y，对输入的低分辨率图像进行插值放大，得到该图的初始高分辨率图像X₀和特征图像块，插值放大获得初始高分辨率图像X₀和特征图像块的过程包括： 

（2.1）输入一幅低分辨率图像y，对该图像进行滤波提取特征，得到低分辨率特征图像Q； 

（2.2）从低分辨率特征图像Q中，按重叠的方式，提取低分辨率特征图像Q的特征图像块； 

（2.3）对低分辨率图像y进行Bicubic插值放大，得到初始高分辨率图像X₀； 

步骤3.引入稀疏表示约束项、图像结构自相似性约束项和保真约束项，构造出目标函数F（X，{α_i}）： 

其中，X为一个表示待重构图像的变量，α_i表示第i个特征图像块的稀疏系数，y是输入的低分辨率图像，F表示取特征操作，表示在低分辨率图像中取第i个低分辨率图像块的操作，表示在高分辨率图像中取第i个高分辨率图像块的操作，B表示下采样操作，H表示加模糊操作，D_l、D_h分别是低分辨率字典和高分辨率字典，λ₁、λ₂、λ₃和λ₄是正则化参数，I为单位阵，W是权值矩阵； 

步骤4.优化目标函数F（X，{α_i}），得到高分辨率图像X^*输出，完成图像超分辨率重构，其具体过程包括： 

（4.1）对目标函数F（X，{α_i}）初始化，将初始高分辨率图像X₀的值赋给变量X； 

（4.2）求出目标函数中的权值矩阵W； 

（4.3）固定权值矩阵W和变量X，更新目标函数中稀疏系数变量{α_i}的值,继续下一步； 

（4.4）固定稀疏系数变量{α_i}，更新目标函数中变量X的值； 

（4.5）重复步骤4.2-4.4，直到算法收敛，将变量X最终的值赋给高分辨率图像X^*，将高分辨率图像X^*输出。 

2.根据权利要求1所述的基于结构自相似性与稀疏表示的图像超分辨率重构方法，其中步骤1所述的对初始字典进行训练，包括有如下步骤： 

1a）输入训练图像对，对低分辨率图像进行滤波提取特征，所采用的滤波器是f₁＝[-1,0,1]，f₃＝[1,0,-2,0,1]，所采用的训练图像为图像处理领域中常用的标准自然图像； 

1b）从提取特征的低分辨率训练图像中随机抽取特征低分辨率图像块，相应地，从高分辨率训练图像对应的位置抽取高分辨率图像块，通过K-SVD字典学习方法，用这些特征低分辨率图像块和高分辨率图像块，联合学习出规模均为K的低分辨率字典D_l和高分辨率字典D_h。 

3.根据权利要求2所述的基于结构自相似性与稀疏表示的图像超分辨率重构方法，其中步骤4中的步骤（4.2）所述的求出目标函数中的权值矩阵W，包括有如下步骤： 

4.2a）在待修正的图像X中第j个图像块x_j的近邻区域中，找到图像块x_j的第k个近邻小块x_k，图像块x_j的所有的近邻小块的索引组成近邻索引集N(j)； 

4.2b）根据下式计算图像块x_j与其近邻小块x_k的相似度权值w(j,k)： 

其中，0≤w(j,k)≤1，h是一个光滑参数； 

4.2c）根据下式求出待修正的图像X的权值矩阵W： 

。