[发明专利]基于主结构分离的稀疏表示单帧图像超分辨率重建算法

权利要求书

1.一种基于主结构分离和稀疏表示的单帧图像超分辨率重建方法，其特征在于，包括以下步骤：

步骤1：通过RTV对输入的原始低分辨率图像进行主结构分离，I_L＝S_L+T_L，其中I_L表示输入的低分辨率图像，S_L表示低分辨率图像的主结构图像，T_L表示低分辨率图像的纹理图像，上述图像均表示为小图像块所组成的列向量集合；

对输入的原始低分辨率图像I_L进行RTV分解，具体步骤如下：

1-1)输入低分辨率图像I_L，尺寸参数σ，强度参数λ；

1-2)计算权重信息：

其中u_x是水平方向邻域梯度信息的权值，w_x是水平方向像素梯度信息的权值，u_y是垂直方向邻域梯度信息的权值，w_y是垂直方向像素梯度信息的权值，S为最终获得的主结构图像，G_σ是一个高斯滤波器，是水平方向的导数，是垂直方向的导数，ε和ε_s均为任意的极小值，用来稳定数值解；

1-3)解线性方程

其中C_x为水平方向离散梯度前向差分所获得的托普利兹矩阵，C_y为垂直方向离散梯度前向差分所获得的托普利兹矩阵，λ为平衡参数，t为迭代次数，均为对角矩阵，对角线上的值分别为对应的u_x、u_y、w_x、w_y的值，为迭代t+1次之后的低分辨率图像的主结构图像；

1-4)将1-2)与1-3)迭代三次，获得分离的S_L与T_L；

步骤2：对原始低分辨率图像I_L进行降采样，得到降采样后的低分辨率图像I_LL，通过RTV分解I_LL得到其主结构S_LL，通过图像信息根据以下公式计算自适应字典尺寸Z：

其中m为I_LL的图像的横向分辨率，n为I_LL的图像的纵向分辨率，C为I_LL图像块的自相似系数，ρ为固定参数；

然后对S_L和S_LL进行自驱动K-SVD字典训练，得到对应的主结构高低分辨率字典；

步骤3：利用主结构高低分辨率字典对S_L进行超分辨率重建，得到高分辨率主结构S_H；

步骤4：用离线训练的纹理字典对图像的纹理部分T_L直接进行超分辨率重建，得到对应的高分辨率纹理T_H；

步骤5：将高分辨率主结构S_H和高分辨率纹理T_H叠加，获得完整的高分辨率图像I_H＝S_H+T_H；

步骤6：对获得的高分辨率图像I_H进行迭代反投影以满足原始低分辨率图像I_L的约束，公式如下：

其中是第n次迭代后得到的高分辨率估计图像，u是梯度下降步长，B是双三次插值的模糊核，即为迭代前的初始图像；

步骤7：迭代完成后，得到最终的输出图像I_out。