[发明专利]基于预放大非负邻域嵌入的单帧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，具体涉及基于邻域嵌入的单帧图像超分辨重建方法，可广泛应用于遥感侦察、交通及安全监控、模式识别等领域。

背景技术

图像的分辨率越高，提供的信息就越丰富。在各种各样的实际应用中，高分辨率图像都发挥着重要作用。高分辨率卫星图像有助于目标识别，交通及安全监控、模式识别等领域也需要高分辨率图像。由于受成像系统物理条件和天气影响，成像过程中往往存在运动模糊、下采样和噪声等退化过程，使得实际得到的图像分辨率低、质量差。要获得高分辨率图像，最直接的方法是采用高分辨率图像传感器，降低像素尺寸，提高单位面积的像素数量，但这种方法对图像传感器和光学器件的制造工艺和成本的要求很高，在很多场合中难以实现。图像超分辨重建技术可以从单帧或多帧低分辨率输入图像获得高分辨率图像，相比而言，使用超分辨重建技术成本更低，更容易实现。

目前，图像超分辨率重建技术可分为三类：基于插值、基于重建和基于学习的方法。

基于插值的方法是超分辨率研究中最直观的方法。常见的方法包括最近邻插值、双线性插值、双立方插值等。这类方法的优点是计算复杂度低，快速易行。但是引入的高频信息是基于预先假定的插值模板，当模板与实际情况不符时，可能导致重建图像质量不高。

基于重建的方法根据图像退化模型，结合图像先验知识构造相应的正则项以恢复丢失的高频信息。包括迭代反向投影方法、最大后验概率方法等。这类方法能在一定程度上缓解基于插值方法所产生的模糊效果。但当图像放大倍数较大时，重建效果通常也不太理想。

基于学习的方法是近年来超分辨率算法研究的热点方向。其基本思路是通过学习低分辨率图像和高分辨率图像之间的映射关系，将学好的映射关系用于低分辨率输入图像以获得高分辨率图像。Chang等人在文献“Chang H,Yeung D Y,Xiong Y.Super-resolution through neighbor embedding[C]//Computer Vision and Pattern Recognition,2004.CVPR2004.Proceedings of the 2004 IEEE Computer Society Conference on.IEEE,2004,1:I-I.”中假设高、低分辨率图像块在各自特征空间具有相似的局部结构，将低分辨率空间的权值用于高分辨率空间，提出了基于邻域嵌入的图像超分辨重建方法。但是当放大倍数较大时，高、低分辨率图像块在各自特征空间形成的局部结构不再相似，导致重建质量的下降。另一方面，当选取的近邻数K变化时，重建质量波动较大，因此，近邻数K的选取是一个亟待解决的问题。为此，Chan等人在文献“Chan T M,Zhang J,Pu J,et al.Neighbor embedding based super-resolution algorithm through edge detection and feature selection[J].Pattern Recognition Letters,2009,30(5):494-502.”中针对边缘检测和特征选择对邻域嵌入方法进行了改进，对边缘图像块和非边缘图像块进行不同的处理，同时对图像块选取了新的特征表示，从而提高了重建质量。然而，该方法依赖边缘检测，不正确的边缘检测会使结果图像中存在人工痕迹。

发明内容

本发明的目的在于针对现有技术中的不足，提供一种基于预放大非负邻域嵌入的单帧图像超分辨重建方法，以恢复更多的高频细节信息，提高重建图像的质量。

为解决上述技术问题，本发明采用的技术方案为：一种基于预放大非负邻域嵌入的单帧图像超分辨重建方法，其创新点在于：包括以下步骤：

(1)构建高分辨率训练图像集

(2)对进行模糊和下采样操作得到临时低分辨率图像集

(3)对临时低分辨率图像集预放大2倍得到低分辨率训练图像集

(4)构建低分辨率训练图像块集

(5)构建高分辨率训练图像块集

(6)读取低分辨率输入图像T_LR，设定需要放大的倍数为3倍，预先将其放大2倍；

(7)构建低分辨率输入图像块集X_T；

(8)根据低分辨率训练图像块集非负邻域嵌入表示输入图像块集X_T，得到重建系数；

(9)输出高分辨率图像T_HR。

进一步的，所述步骤(1)具体操作如下：

(a)搜集多幅彩色高分辨率自然图像；