[发明专利]一种视频超分辨率重建方法及其系统

权利要求书

1.一种视频超分辨率重建方法，其特征在于，包括以下步骤：

11)初始化分析视频特征，判断视频的第一帧图像的特性，分辨该视频是灰度视频还是彩色视频，若是灰度视频，则直接进行下一步处理，若是彩色视频，则将彩色视频分成R、G、B三个通道分别按照灰度视频来处理；

12)基于稀疏主成分分析进行去噪处理，读取视频的下一帧图像，构造由稀疏主成分分析得到的正交转换矩阵，通过训练样本模块得到中心数据集，将正交转换矩阵应用于中心数据集并结合线性最小均方误差估计模型来抑制噪声，进行去噪处理；

所述的基于稀疏主成分分析进行去噪处理包括以下步骤：

121)读取视频下一帧图像，即第t帧图像像素值为G(x,y,t)，图像用矩阵表示，矩阵的大小为m×n,其中，x(1≤x≤m)为行，y(1≤y≤n)为列，t为帧；将获得的低分辨率图像作为训练模块，由训练模块计算中心数据集，在训练模块中间设置一个变量模块K×K(K<m,K<n)；

其中，计算中心数据集包括以下步骤：

1211)获取下一帧图像得到的数据集矩阵G(x,y,t)∈R^m×n,矩阵的大小为m×n,每个组成部分g(x,y,t)_k,k＝1,2,...,m，有n个样本；

1212)将退化的视频模型定义为：G(x,y,t)＝D(x,y,t)*F(x,y,t)+N(x,y,t),这里D(x,y,t)是低采样算子,G(x,y,t)是退化的视频，F(x,y,t)是原始视频，N(x,y,t)是附加的噪声；

1213)利用以下公式求出中心数据集

$\stackrel{\&OverBar;}{G(x,y,t)}={\&lsqb;{\left(\stackrel{\&OverBar;}{g{(x,y,t)}_1}\right)}^T...{\left(\stackrel{\&OverBar;}{g{(x,y,t)}_m}\right)}^T\&rsqb;}^T,$

其中

1214)为了简化说明，令X(x,y,t)＝D(x,y,t)*F(x,y,t)，利用以下公式求出中心数据集

$\stackrel{\&OverBar;}{X(x,y,t)}={\&lsqb;{\left(\stackrel{\&OverBar;}{X{(x,y,t)}_1}\right)}^T...{\left(\stackrel{\&OverBar;}{X{(x,y,t)}_m}\right)}^T\&rsqb;}^T$

其中，

利用加入噪声的特性得到

122)对于每一组的模块通过解决最优问题找到最大数量的稀疏主成分，并得到一个正交转换矩阵；

123)将正交转换矩阵用于中心数据集，并结合线性最小均方误差估计模型移除噪声，得到去噪后的估计图像；

13)基于向量连分式插值进行重建放大处理，对去噪后的图像构造向量控制网格，由向量控制网格结合连分式有理插值构造出有理插值曲面，通过插值曲面的采样实现图像的放大；

14)检查视频是否处理完毕，若处理完毕，则完成视频超分辨率重建，若未处理完毕，则继续进行基于稀疏主成分分析进行去噪处理。