[发明专利]基于盲模糊估计与锚定空间映射的图像超分辨处理方法有效

专利信息
申请号: 201510224227.9 申请日: 2015-04-28
公开(公告)号: CN104899835B 公开(公告)日: 2018-07-10
发明(设计)人: 吴亚东;赵小乐;田金沙;张红英 申请(专利权)人: 西南科技大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 621010 四川*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 超分辨 模糊核函数 空间映射 锚定 重建 图像超分辨 高分辨率 训练样本 分块处理方式 图像底层特征 成像设备 单幅图像 低分辨率 反向投影 技术支持 竞争优势 算法效率 特征空间 特征提取 效果提供 映射关系 跨尺度 时效性 最小化 对偶 残差 算法 相异 图像 模糊 挑战 学习
【权利要求书】:

1.基于盲模糊估计与锚定空间映射的单幅图像超分辨处理方法,其特征在于该方法包括单幅图像模糊核函数的盲估计阶段与基于对偶词典的稀疏重建阶段,具体描述如下:

单幅图像模糊核函数的盲估计阶段:

步骤1.1从输入图像Y中以稠密采样的方式提取样本索引图像块集合和样本图像块集合对于2×超分辨问题,可以取样本索引图像块和样本图像块的大小分别为5×5和9×9;对于3×超分辨问题,可以取样本索引图像块和样本图像块的大小分别为5×5和13×13,样本图像块的大小对应了将要估计的模糊核的大小;

步骤1.2设定样本索引图像块的平均梯度幅度阈值|gard|s,舍弃样本索引图像块中的平滑块;

步骤1.3设定初始模糊核函数k为delta函数;

步骤1.4利用模糊核函数对样本图像块集合进行下采样操作:首先将模糊核与样本图像块卷积,再进行下采样,由此得到样本图像块的下采样版本

步骤1.5对每一个样本索引图像块pi,根据欧氏距离度量标准在中找到一定数量的邻域块,根据下列公式计算每一个邻域块的权重:

其中Mi是每一个样本索引图像块pi的邻域个数,σ是pi中附加噪音的标准差,是样本图像块的下采样;

步骤1.6通过下列公式更新模糊核函数k:

其中Rij表示与qij对应的卷积矩阵,这里的qij表示样本索引图像块pi对应的邻域块在原始大图像中的“父块”,这里的“父块”是指没有经过下采样的样本图像块,其中0≤j≤Mi;C是对应“父块”在x和y方向的偏导数矩阵,λ是平衡参数,N为样本索引图像块pi的个数;

步骤1.7将所得模糊核函数归一化为单位向量;

步骤1.8若样本索引图像块之间的平均跨尺度相异性APD持续下降,则返回到步骤1.4重复执行模糊核更新过程;否则,即APD不再保持下降,输出估计的模糊核函数k;

基于对偶词典的稀疏重建阶段:

步骤2.1根据所估计的模糊核函数对输入图像进行下采样,采用迭代投影残差BPR策略分别从原始图像及其下采样版本中提取特征,并用对偶词典学习算法CDL训练对偶词典DL和DH

步骤2.2设置目标高分辨率图像X为0;

步骤2.3利用迭代反向投影IBP将低分辨率输入图像Y上采样为X′,迭代投影过程中使用双立方插值核函数进行上采样,用估计的模糊核函数进行下采样;

步骤2.4利用下列公式计算锚定空间映射矩阵PM

其中参数μ是L2范式最优化问题的平衡参数;

步骤2.5对X′中的每一个小图像块yp,计算:

u=mean(yp),v=||yp-u||2

步骤2.6从yp中提取归一化梯度特征y;

步骤2.7求解高分辨率特征块x,并进行归一化处理:

步骤2.8根据BPR重建高分辨率图像块:

xp=(c×v)·x+yp

其中c是一个常数;

步骤2.9将xp添加到目标高分辨率图像X中对应像素位置,直到X′中的每一个小图像块yp都被处理完;

步骤2.10在重叠区域进行均值化处理,输出最终结果。

2.根据权利要求1所述的基于盲模糊估计与锚定空间映射的单幅图像超分辨处理方法,其特征在于步骤1.2中根据样本索引图像块的平均梯度幅度对样本索引图像块进行分类,平均梯度幅度小于|gard|s的样本索引图像块将被认为是平滑块,这部分样本索引图像块对模糊核函数估计的作用可以忽略,而平均梯度幅度大于|gard|s的样本索引图像块将被认为是结构化块,这部分样本索引图像块被用于模糊核函数的估计。

3.根据权利要求1所述的基于盲模糊估计与锚定空间映射的单幅图像超分辨处理方法,其特征在于步骤1.5中每一个样本索引图像块的邻域块数量是不固定的。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南科技大学,未经西南科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510224227.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top