[发明专利]一种基于卡通纹理分解的图像超分辨率重建方法

权利要求书

1.一种基于卡通纹理分解的图像超分辨率重建方法，其特征在于包括以下步骤：

S1：离线训练过程包括两个训练过程：第一个训练过程通过K-奇异值分解算法训练出高低分辨率纹理字典对；第二个训练过程通过离线纹理锚点映射，找出样本对应的最近锚点，还要找出锚点对应的最近样本，认为每一对字典原子为一个锚点，代表一种纹理类型；

S2：将低分辨率输入图像进行卡通纹理分解；

S3：基于改进的全变分正则化方法重建出低分辨率卡通图像对应的高分辨率卡通图像；

S4：通过改进的基于外部训练样本纹理锚点映射矩阵的超分辨率方法重建出低分辨率纹理图像对应的高分辨率纹理图像；

S5：将重建出的卡通图像与纹理图像进行相加输出要得到的高分辨率图像；

其中，所述步骤S3输入低分辨率卡通测试图像U_c，对图像U_c进行η次迭代，得到高分辨率卡通图像，具体迭代步骤如下：

步骤(1)通过双立方插值将低分辨率卡通图像U_c进行放大，并将放大后的图像表示为然后将放大后的图像下采样得到图像并对低分辨率卡通图像U_c和下采样得到图像做减法，得到图像

步骤(2)将低分辨率卡通图像放大后的图像的第i行第j列的像素值表示为通过模板z₁＝[-1 0 1]^T对图像进行模板加权运算，得到偏导数学表达式如下式所示：

其中，x为图像的水平方向，y为图像的垂直方向；

步骤(3)通过模板z₂＝[-1 0 1]对图像进行模板加权运算，得到偏导数学表达式如下式所示：

步骤(4)通过使用模板z₃＝[-1 0 2 0 -1]^T对图像进行模板加权运算，得到偏导数学表达式如下式所示：

步骤(5)通过模板z₄＝[-1 0 2 0 -1]对图像进行模板加权运算，得到偏导数学表达式如下式所示：

步骤(6)通过模板z₁＝[-1 0 1]^T，z₂＝[-1 0 1]，z₅＝[1 0 -1]^T，z₆＝[1 0 -1]对图像进行模板加权运算，得到偏导数学表达式如下式所示：

步骤(7)当迭代次数小于10次时使用如下公式计算参数φ^J：

当迭代次数大于10次时使用如下公式计算参数φ^J：

步骤(8)将与高斯低通滤波器做卷积运算得到

步骤(9)将与高斯低通滤波器做卷积运算得到

步骤(10)高分辨率卡通图像的迭代公式为：

其中，J表示这次迭代的迭代次数，λ表示的是拉格朗日乘子，γ是一个正参数；

步骤S4包括以下步骤：

步骤(4.1)输入低分辨率的纹理测试图像U_t，通过双立方插值进行图像放大，并将放大后的图像表示为

步骤(4.2)使用f₁＝[-1 0 1]对图像进行卷积，得到图像的一阶垂直梯度图像使用f₂＝[-1 0 1]^T对图像进行卷积，得到图像的一阶水平梯度图像使用f₃＝[-10 2 0 -1]对图像进行卷积，得到图像的二阶垂直梯度图像使用f₄＝[-1 0 2 0 -1]^T对图像进行卷积，得到图像的二阶水平梯度图像将分别分为M个图像块，将对应位置的图像块都变成列向量，再将四个列向量连接为一个列向量，并通过主成分分析算法来完成这些向量的降维，记这些向量为低频特征向量其中，R表示分块的数目；

步骤(4.3)根据训练好映射矩阵集重建出具有高频分量的高分辨率块重建公式如下所示：

步骤(4.4)将低频分量加到每一个重建的高分辨率块上，得到最终的高分辨率纹理块公式如下所示；

步骤(4.5)通过将高分辨率纹理块放到合适的位置上并平均重叠区域输出高分辨率纹理图像。