[发明专利]一种基于高维索引的图像快速超分辨率增强方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其是一种基于高维索引的图像快速超分辨率增强方法。

背景技术

随着互联网和信息处理技术的快速发展，人们对图像分辨率的要求越来越高。但是由于受到物理成像条件和采集环境的限制，采集到的图像分辨率有时会很低，图像的视觉效果难以满足人们的需要。

超分辨率图像增强技术利用图像本身的性质和相邻图像块的关联信息，通过一定的算法处理，在不增加硬件投入的情况下从低分辨率低质量输入图像中估计出高分辨率高质量图像，使图像分辨率超过光学硬件设备的分辨率，获得图像潜在的细节信息，增强图像的可用性。这种技术一经提出，便引起了许多学者的广泛重视和关注。Harris从理论上证明，两个不同的物体不会产生同样的图像，因此，在无噪声条件下获取的任何图像只与一个物体相对应。这样，根据一个物体的低分辨率图像对该物体的细节增强存在可能。经过科研人员的后续研究，超分辨率图像增强技术已经取得较多结果，其可行性已经不容质疑。

超分辨率图像增强技术在视觉监控、公共安全、遥感、医学成像和高清晰度电视等多个领域有着广泛的应用前景。在卫星遥感方面，由于成像条件与成像设备的分辨率都有一定限制，一般来说很难获得高清晰度的图像，从已获取的低分辨率图像来生成高分辨率图像具有十分重要的意义；在视频传输系统中，通过扩大图像和增加细节，可以从视频序列中得到超分辨率静态图像，把普通视频信号转化成高清晰度电视信号；在公共安全领域，处理由于运动、散焦、环境等引起来的低质量图像，获取高质量图像；在生物特征识别领域，可以用超分辨率图像复原方法来得到高分辨率的人脸图像，这种高分辨率人脸图像用于人脸识别，可大大提高识别精度。

但是，现有的超分辨率图像增强技术计算量很大，极其依赖大量的计算资源，限制了该技术的拓展应用。

发明内容

本发明要解决的技术问题是提供一种基于高维索引的图像快速超分辨率增强方法，能够解决现有技术的不足，提高了超分辨率图像增强的重建效率。

为解决上述技术问题，本发明所采取的技术方案如下。

一种基于高维索引的图像快速超分辨率增强方法，包括以下步骤：

A、将高分辨率图像进行降质处理，得到低分辨率图像；

B、将高分辨率图像与低分辨率图像进行求差处理，得到高频信息图像；

C、使用相同的图像分割策略对高频信息图像I_H和低分辨率图像I_D进行处理，建立若干个高频信息图像-低分辨率图像块对(BD_i，BH_i)，第i个高频信息图像-低分辨率图像块(BD_i，BH_i)对中包含第i个高频信息图像分块BH_i和第i个低分辨率图像分块BD_i；

D、对每一个高频信息图像-低分辨率图像块对(BD_i，BH_i)中的低分辨率图像分块BD_i进行特征提取，形成特征向量FD_i，将特征向量FD_i与高频信息图像分块BH_i建立一一对应联系；

E、重复步骤A～步骤D，将高分辨率图像库中的高分辨率图像进行一一处理，形成先验知识库；

F、使用先验知识库中存储的低分辨率图像分块特征向量FD_i与高频信息图像分块BH_i的对应关系建立高维索引库；

G、将待处理的低分辨率图像进行放大，得到与期望尺寸一致的放大图像；

H、将放大图像进行分块，并提取特征向量，利用特征向量在高维索引库中进行检索，得到若干个相似检索结果，进而通过检索结果从先验知识库中提取对应的高分辨率图像分块；

I、从步骤H中得到的若干个相似的高频图像分块中进行筛选，将筛选出的高频图像分块进行拼接，得到高频信息图像；

J、将高频信息图像和低分辨率图像进行叠加融合，得到超分辨率增强图像。

作为优选，步骤A中对高分辨率图像进行降质处理的具体计算方法为

I_D＝I_o·G

其中I_o为高分辨率图像，I_D为降质后的低分辨率图像，“·”为卷积运算，G为w*w的高斯卷积矩阵，G的矩阵元素由二维高斯函数确定，计算方法如下，