[发明专利]超分辨率图像构建方法

说明书

本发明公开了一种超分辨率图像构建方法，将原始图像和图像金字塔中的低分辨率图像分别分成了多个原始图像块和低分辨率图像快，根据低分辨率图像块确定原始图像中与原始图像块满足结构自相似特性的第一图像块，并将二者作为相似块对样本，然后对低分辨率图像进行形变，重复上述过程，确定相似块对样本，最后根据相似块对样本进行学习，构建出高分辨率图像。可见，该方法通过对低分辨率图像块进行形变，增加了与原始图像块满足结构自相似特性的图像块的数量，丰富了训练样本，提高了最终构建的高分辨率图像的品质。

技术领域

本发明涉及图像处理领域，特别涉及一种超分辨率图像构建方法。

背景技术

图像超分辨率算法(super resolution)是一种根据低分辨率图像或图像序列构建出高分辨率图像的算法，该算法从性质上分为插值、重建和学习三类方法。

这里的讨论局限于基于学习的方法，并根据训练图像块，即图像块的来源将相应的基于学习的算法分为两大类：外部和内部。

对于基于外部学习的算法，目前大多数专注于学习外部数据库中低分辨率(LR)和高分辨率(HR)图像块之间的关系。现有的学习这种LR到HR的映射算法包括最近邻方法，流形学习，字典学习，局部线性回归和卷积网络等等。然而，从外部数据库学习LR-HR映射的方法有一定的缺点。首先，为达到令人满意的复原效果所需的训练图像的数量和类型并不清楚。其次，通常需要大规模训练集才能学习足够富有表现力的LR-HR词典。

对于基于内部学习的算法，目前主要通过自然图像的图像块在尺度内或者跨尺度重现的方法。这些方法的内部LR-HR图像块数据库可以通过图像本身的缩放空间金字塔来构建，进而将内部LR-HR图像块数据库作为训练样本来对内部字典进行训练，但是这种方法往往因为内部数据训练样本过少而导致训练效果不佳、最终构建的图像不理想等问题。

而图像超分辨率算法在监控设备、卫星图像和医学影像等领域都有重要的应用价值。可见，如何解决传统基于内部学习的超分辨率图像构建方法的训练样本较少的问题，十分具有研究意义。

发明内容

本发明的目的是提供一种超分辨率图像构建方法，用以解决传统基于内部学习的超分辨率图像构建方法的训练样本较少的问题。

为解决上述技术问题，本发明提供了一种超分辨率图像构建方法，包括：

确定原始图像，并对所述原始图像进行下采样，得到所述原始图像的图像金字塔，所述图像金字塔中包括多个层次的低分辨率图像；

将所述原始图像分成多个原始图像块，并将所述低分辨率图像分成多个低分辨率图像块，所述原始图像块与所述低分辨率图像块的大小一致；

遍历所述原始图像中的所述原始图像块，确定与所述原始图像块满足结构自相似特性的低分辨率图像块，并确定在所述原始图像中与所述低分辨率图像块相对应的第一图像块，将所述原始图像块与所述第一图像块作为图像相似块对样本；

根据预先确定的形变矩阵和能量函数约束，对所述低分辨率图像块进行形变，得到形变图像块；

遍历所述原始图像中的所述原始图像块，确定与所述原始图像块满足所述结构自相似特性的形变图像块，并确定在所述原始图像中与所述形变图像块相对应的第二图像块，将所述原始图像块与所述第二图像块作为图像相似块对样本；

根据各个所述图像相似块对样本，利用组稀疏约束和K-SVD字典算法，确定稀疏系数和重构字典；

根据所述原始图像、所述稀疏系数、以及所述重构字典，构建高分辨率图像。

其中，所述确定与所述原始图像块满足结构自相似特性的低分辨率图像块包括：