[发明专利]基于表征学习与邻域约束嵌入的图像超分辨重构方法

权利要求书

1.一种基于表征学习与邻域约束嵌入的图像超分辨重构方法，其特征在于，包括有如下步骤：

步骤1：输入训练样例图像对并对其进行训练，用低分辨率训练样例图像学习构造一个规模为N的低分辨率图像块字典并用高分辨率训练样例图像学习构造一个规模为N的与低分辨率图像块字典相对应的高分辨率图像块字典

步骤2：输入待超分辨率重构的低分辨率测试图像Y，按重叠的方式分块得到低分辨率图像块集并用深度稀疏自编码网络提取特征，得到测试图像的低分辨率图像块特征集

步骤3：预选特征块近邻，计算测试图像块的特征与低分辨率图像块字典的欧氏距离，在低分辨率图像块字典中找到特征块的K个近邻作为预选范围，是在低分辨率图像块字典X_s中的初始邻域；

步骤4：通过自适应邻域约束，得到在低分辨率图像块字典X_s中的最终邻域包含自适应的k个近邻其中k≤K,k为变量；包括有如下步骤：

4a)对于每一个输入的低分辨率测试图像块有8个测试邻接块每一个训练的低分辨率图像块也有8个训练邻接块分别对测试邻接块和训练邻接块进行主成分分析降维得到测试邻接块矩阵和训练邻接块矩阵

4b)构造自适应邻域约束函数其中α为阈值，计算得到自适应的k个近邻是在低分辨率图像块字典X_s中的最终邻域，k≤K,k为变量；

步骤5：通过局部线性嵌入方法计算重构权重w_ij，当重构权重误差最小时传递重构权重w_ij，对训练的高分辨率图像块线性组合得到高分辨率图像输出小块从而得到高分辨率图像块集其中∑w_ij＝1；

步骤6：将高分辨率图像块集中的所有高分辨率图像输出小块按顺序放到待重构的高分辨率图像的对应位置上，得到最终的高分辨率图像X^*。

2.根据权利要求1所述的基于表征学习与邻域约束嵌入的图像超分辨重构方法，其特征在于，其中步骤1所述的对训练样例图像对进行训练，包括有如下步骤：

1a)输入训练样例图像对，分别对高、低分辨率训练样例图像进行分块，得到低分辨率训练图像块集和与之对应的高分辨率图像块集

1b)对于低分辨率训练图像块集X_sp，通过深度稀疏自编码网络进行训练得到级联特征，即低分辨率图像块字典其中相应的高分辨率图像块字典为

3.根据权利要求1所述的基于表征学习与邻域约束嵌入的图像超分辨重构方法，其特征在于，其中步骤2所述的对输入测试图像分块并提取特征，包括有如下步骤：

2a)输入一幅低分辨率测试图像Y，对该图像按重叠的方式分块，得到低分辨率测试图像块集

2b)对于输入的低分辨率测试图像块集X_tp，通过深度稀疏自编码网络进行训练得到级联特征即低分辨率图像块特征集，其中

4.根据权利要求1所述的基于表征学习与邻域约束嵌入的图像超分辨重构方法，其中步骤3所述的预选特征块近邻，其特征在于，包括有如下步骤：

3a)对于一个输入的低分辨率图像特征块计算特征块与低分辨率图像块字典的欧式距离；

3b)选取前K个有着最小距离的小块作为的预选特征块近邻是在低分辨率图像块字典X_s中的初始邻域。