[发明专利]基于稀疏编码与组合映射的单帧超分辨率重建方法

权利要求书

1.一种基于稀疏编码与组合映射的单帧超分辨率重建方法，其特征在于，包括以下步骤：

可分为两大部分：一是离线训练部分；二是在线重建部分；

第一部分的离线训练，是对训练集中所有图像的处理，提取出重建的预测映射信息；具体包括以下步骤：

步骤一、初步获取具有对应关系的高低分辨率训练图像特征块集合：根据降质模型，由高分辨率图像训练集降质得到低分辨率训练集，并由低分辨率图像插值得到中高分辨率图像；随后，对高分辨率图像和中高分辨率图像选择不同方式的特征提取和分块；

步骤二、块扩充：对特征提取之后分成的各块，应用90°、180°、270°旋转算子进行变换，将变换块添加至初始特征块之后，构成特征更加丰富的特征块训练集；

步骤三、块变列，列降维：对特征训练集中每个高分辨率特征块变换成一个列向量，同一样本的中高分辨率不同特征块变换成一个列向量，并应用主成分分析PCA的方法进行线性降维；

步骤四、求取聚类中心：根据第三步得到的不同分辨率特征向量，应用k-svd字典训练方法，联合训练得到不同分辨率的对应原子；

步骤五、求取映射矩阵：以联合训练得到的原子为聚类中心，由近邻特征样本为邻域聚类；并根据最小误差变换聚类样本数目，由公式C＝w^Tv(vv^T+λI)^-1,v＝(X_lf^T1),w＝X_hf^T，可求得更精确的映射矩阵；

基于以上过程步骤，在线重建部分包括以下部分：

步骤六、低分辨率测试图像预处理：其处理方法与低分辨率训练图像集一致，参照步骤一、二、三；

步骤七、基于稀疏系数得到组合映射：由训练过程的聚类中心原子，通过OMP算法，计算每个测试特征块的稀疏系数；将以稀疏系数为权重，与稀疏系数对应原子的映射矩阵组合，得到与测试块匹配的映射矩阵；

步骤八、简单重建：直接根据步骤七求得的映射矩阵与测试特征块相乘得到高分辨率特征块。

2.根据权利要求1所述的一种基于稀疏编码与组合映射的单帧超分辨率重建方法，其特征在于，所述步骤五中为进一步论述其映射关系由以下公式进行推导：

其中，C为高分辨率特征块X_hf与降维后的中高分辨率特征块X_lf之间的对应映射矩阵，1为与X_lf相同列数的全1行向量；由此限定：

其中，λ为平衡系数；为求取映射矩阵C，由以上公式进一步推导可以得到：

为了求得更精确的映射矩阵，应用误差阈值，来循环迭代变换聚类邻域求取映射矩阵；其限定约束可表示为：

其中，ε为限定误差的阈值。

3.根据权利要求2所述的一种基于稀疏编码与组合映射的单帧超分辨率重建方法，其特征在于，所述组合映射在计算时采用将稀疏系数作为权重，以聚类中求得的每一个映射矩阵为一个组合元素，匹配组合得到重建图像所需要的映射关系：

C＝∑α_iC_i (10)

其中，α_i是插值后的中高分辨率测试特征量Y_lf稀疏表示后的第i个稀疏系数，C_i是稀疏系数中元素α_i所对应的字典原子所形成聚类的映射矩阵，每个映射矩阵的计算方法遵循权利要求2中的映射关系；

重建高分辨率特征量；公式表征如下：

其中，Y_hf即为所求高分辨率特征量。