[发明专利]基于压缩感知和SVR的单幅图像SR重建方法

权利要求书

1.一种基于压缩感知和SVR的单幅图像SR重建方法，其特征在于：所述重建方法包括以下步骤：

步骤1：图像块分类，根据图像当前像素点是属于边缘还是背景来分类保存其周围的设定尺寸图像块；

步骤2：图像块稀疏表示，使用training_instance来训练字典D，再使用得到的D和training_instance来稀疏编码得到稀疏向量alpha；

步骤3：SVR学习和预测，把所述重建问题看成是一个回归问题，SVR用于解决如下最优化问题：

其中，0≤ν≤1，对于回归问题，用ν来代替ε，而对于分类问题，用ν来代替C；

使用图像块的稀疏系数α_i来代替上述φ(x_i)中的输入属性向量x_i，y_i表示该稀疏系数α_i对应的图像块的正中间像素的标签，把正中间像素灰度与当前图像块灰度均值的差值作为像素的标签；使用ν-SVR模型来找到LR图像块和HR图像块中心像素标签之间的映射函数；

(3.1)在训练阶段，学习SVR模型的训练集的属性是以得到的稀疏系数α_h和α_l为准，把块分类后得到的高频标签向量training_label和低频标签向量training_label_low作为学习SVR模型的训练集的标签，SVR模型学习这些输入的特征和HR图像中对应的像素标签之间的映射函数，并得到一个模型文件；

(3.2)在测试阶段，对测试图像稀疏编码得到稀疏系数α_h和α_l，再使用上述训练阶段得到的模型文件来预测测试图像的像素标签。

2.如权利要求1所述的基于压缩感知和SVR的单幅图像SR重建方法，其特征在于：所述重建方法还包括以下步骤：

步骤4：保持边缘的后处理，根据图像边缘不连续性的图像先验知识，对重建后的图像进行后处理，该先验知识由自然图像先验和重建约束两部分组成，其表达形式如下：

其中{y}表示LR图像，{x}表示HR图像，自然图像先验约束是等号右边第一项，第二项是重建约束，目标是使得条件概率达到最大值，再把(2)式转化为一个因子图的表示形式，并使用max-product置信度传播算法来计算随机变量的最大后验概率MAP的估计。