[发明专利]一种基于学习的图像超分辨率重构方法

权利要求书

1.一种基于学习的图像超分辨率重构方法，其特征在于，包括：

根据退化模型模糊和N倍下采样，处理第一分辨率图像形成第二分辨率图像；

训练所述第一分辨率图像和所述第二分辨率图像形成图像学习字典；

对待重构图像进行区块划分形成多个待重构图像块；

利用边缘提取算法，根据所述第二分辨率图像确定图像信息量固定阈值；

若所述待重构图像块的信息量大于所述固定阈值，根据所述图像学习字典对所述待重构图像块进行图像重构以形成第一重构子区域；若否，根据双三次插值算法对所述待重构图像块进行图像重构以形成第二重构子区域；

对所述第一重构子区域和所述第二重构子区域进行图像拼接得到超分辨率重构图像。

2.根据权利要求1所述的方法，其特征在于，训练所述第一分辨率图像和所述第二分辨率图像形成图像学习字典，包括：

根据特征提取算法提取图像特征，获得第一分辨率图像特征信息和第二分辨率图像特征信息；

根据K-SVD算法，对所述第一分辨率图像特征信息和所述第二分辨率图像特征信息进行训练以获得第一图像学习字典和第二图像学习字典。

3.根据权利要求1所述的方法，其特征在于，在步骤3之前，还包括：

对所述待重构图像去噪声处理和去模糊处理。

4.根据权利要求1所述的方法，其特征在于，利用边缘提取算法，根据所述第二分辨率图像确定图像信息量固定阈值，包括：

将所述第二分辨率图像按照设定长宽进行区块划分形成第二分辨率图像块，利用边缘提取算法提取所述第二分辨率图像块的边缘信息量；

根据所述第二分辨率图像块的边缘信息量的分布情况选取X个所述边缘信息量作为候选信息量阈值；

根据超分辨率算法的重构时间以及对应重构形成的图像分辨率，从X个所述候选信息量阈值中选择一个作为所述固定阈值。

5.根据权利要求1所述的方法，其特征在于，根据所述图像学习字典对所述待重构图像块进行图像重构以形成第一重构子区域之前，还包括：

对所述待重构图像块进行KPCA降维处理。

6.根据权利要求5所述的方法，其特征在于，对所述待重构图像块进行KPCA降维处理，包括：

7.对所述待重构图像块进行滤波操作，采用2*2的滤波器组提取高频特征以获得所述待重构图像块的高频信息，根据所述高频信息进行所述KPCA降维处理。根据权利要求6所述的方法，其特征在于，所述2*2的滤波器组为f＝{f₁,f₂,f₃,f₄}，采用四个不同的滤波器组成，具体为：

f₁＝[1,-1],f₂＝f₁^T

f₃＝LOG,f₃＝f₃^T

其中，T表示矩阵转置操作，LOG代表一种5×5的二维滤波算子。