[发明专利]基于稀疏域重构的单帧图像超分辨重建方法及装置

说明书

技术领域

本发明涉及图形处理领域，特别涉及一种基于稀疏域重构的单帧图像超分辨重建方法及装置。

背景技术

图像作为人类记载客观世界信息的载体，在工业生产和日常生活中具有重要作用，然而受成像系统设备状况、成像环境和有限网络数据传输带宽等条件的限制，成像过程往往存在运动模糊、下采样和噪声污染等退化过程，以至于实际获得的图像分辨率低、细节纹理丢失、主观视觉效果差。为了获得纹理清晰且细节丰富的高分辨率图像，最直接有效的方法就是通过改善制造工艺，来提高传感器设备和光学成像系统的物理分辨率级别，然而高昂的价格和复杂的改进流程严重限制了这类技术的发展前景。为此，我们需要一种价格低廉、效果突出的重建方法来提升图像的分辨率，在无需额外硬件支持的情况下最大程度地减弱模糊和噪声等外界环境的干扰，在现有工艺制造水平的条件下获取高质量、高品质的图像。图像超分辨率重建是指用一幅或者多幅低分辨率图像，通过信号处理技术来获得一幅清晰的高分辨率图像的技术。该技术能有效克服成像设备固有分辨率的不足，突破成像环境的限制，在不改变现有成像系统的前提下，能以最低的成本获取高于成像系统物理分辨率的高质量图像。该技术具有非常广泛的应用前景，是低质量智能安全监控系统中人脸检测与识别技术、智能机器人关键技术，也是推动智能显示技术发展的源动力。

现有技术是基于插值的方法。该方法首先根据放大倍数确定重建图像上对应低分辨率图像的像素值，然后利用确定的插值核函数或者自适应的插值核函数估计重建图像网格上的未知像素值。此类方法简单高效并且计算复杂度低，但是难以根据图像的先验知识选择合适的插值函数获得高质量的重建图像，其本质原因是基于插值的方法相比较低分辨率图像而言并没有增加重建图像的信息量。因此，提供一种可以根据图像的先验知识选择合适的插值函数获得高质量的重建图像的基于稀疏域重构的单帧图像超分辨重建算法是很有必要的。

发明内容

本发明所要解决的技术问题是现有技术中存在的不能根据图像的先验知识选择合适的插值函数获得高质量的重建图像的技术问题，本发明提供一种可以根据图像的先验知识选择合适的插值函数获得高质量的重建图像的重建算法。

为解决上述技术问题，本发明采用的技术方案如下：

一种基于稀疏域重构的单帧图像超分辨重建方法，所述方法包括：

(1)训练阶段：

所述训练阶段是在训练数据集上学习低分辨率图像得到对应的高分辨率图像的映射模型，包括：

(A)根据低分辨率图形建立低分辨率特征集，根据高分辨率图形建立高分辨率特征集；

(B)根据K-SVD方法求解低分辨率特征对应的字典和稀疏编码系数；

(C)建立稀疏域重构优化目标方程式；

(D)根据二次约束二次规划算法、稀疏编码算法及岭回归算法交替优化，迭代求解，变化量小于阈值时停止；得到高分辨率字典，高分辨率稀疏编码系数及稀疏映射矩阵；

(2)合成阶段：

所述合成阶段是将学习到的映射模型应用于输入的低分辨率图像上，合成出高分辨率图像，包括：

(a)自分辨率图形进行提取特征；

(b)将所述低分辨率特征在所述训练阶段得到的字典上用OMP算法得到稀疏编码系数；

(c)将所述训练阶段得到的低分辨率编码系数应用于高分辨率字典上，从而合成高分辨率特征；

(d)融合高分辨率特征得到高分辨率图像。

上述方案中，为优化，进一步地，所述步骤(1)中步骤(A)包括：

选择高分辨率图像数据库作为图像训练集低分辨率图像集为

水平方向一阶梯度G_X、竖直方向一阶梯度G_Y、水平方向二阶梯度L_X、竖直方向二阶梯度L_Y，分别为：

G_X＝[1,0,-1]，G_Y＝[1,0,-1]^T

将低分辨率图像训练集分别与水平方向的一阶梯度G_X、竖直方向的一阶梯度G_Y、水平方向的二阶梯度L_X、竖直方向的二阶梯度L_Y进行卷积运算，获得原始的低分辨率特征训练集

将原始低分辨率特征训练集Z_S使用PCA方法进行维度约简后，获得投影矩阵V_pca和低分辨率特征训练集