[发明专利]基于增强非局部总变分模型先验的单幅图像超分辨率重建方法

权利要求书

1.基于增强非局部总变分模型先验的单幅图像超分辨率重建方法，其特征在于包括以下步骤：

步骤一：对输入低分辨率图像进行双三次插值，得到初始高分辨率图像估计；

步骤二：利用多偏移搜索策略，对估计的高分辨率图像的每个目标图像块进行相似块搜索，进而得到每个像素对应的非局部相似像素组；

步骤三：基于衰减核策略，对多偏移搜索处理中的小偏移目标图像块分配大的权重，而对大偏移目标图像块分配小的权重；具体地，衰减核采用高斯形式以实现对不同偏移进行自适应加权，定义变量其中，表示j在X_i对应的高维度非局部相似像素的索引集N_i中的子索引集，δ_ι为每个偏移目标块相对非偏移目标块的偏移距离，σ是p×p尺寸的高斯核的标准差，Z_σ是核归一化参数；为了避免低相似度像素的影响和进一步降低维度，把小于阈值τ_dis的相似像素从对应的相似像素组中剔除，仅保留大概率的相似像素；

步骤四：计算基于衰减核策略下，每个像素与目标参考像素间的非局部相似权重，并进行归一化处理；具体地，计算每个相似像素与目标参考像素间的非局部相似权重的方式为其中，为X_j与X_i之间的基于概率的权重，w_d(i,j)为X_j与X_i之间的基于亮度的像素距离权重，两者依次定义为：而其中的是的第j个相似像素，exp(·)为自然指数函数，α、β、h为常量，L为每个目标块搜寻的相似块个数；得到所有w^DK(i,j)之后，将每个像素对应的相似权重归一化处理为其中而为步骤三中剔除小概率相似像素后的相似像素索引集合；

步骤五：由于步骤四中的权重仅仅体现非局部相似像素组内部的权重，忽略了整个相似像素组本身的可靠程度，为此提出稳定的组相似性可靠度策略，以得到每个相似像素组与目标参考像素间的相似性可靠度度量；具体地，先定义为对应整个图像所有像素点的可靠度度量向量，其中是与归一化非局部梯度幅值相关的加权函数，M、N为图像的行数与列数；接着，定义ζ_i为当前像素X_i与其相似像素组构成的集合的方差；根据以上定义，基于方差的稳定的组相似性可靠度策略为：如果方差越小，则相似像素组越可靠，应该给X_i对应的非局部约束分配一个更大的权重，反之亦然；据此，最终定义为其中A、B为常数；由于反映的是图像的组相似性可靠度度量，强烈依赖于图像结构，应该具有较强的局部一致性，因此将置信图滤波的概念引入到的计算中，其具体过程为：首先将表示为一个二维(2D)形式的置信图利用局部导向核对进行滤波，以提高局部可靠度度量一致性，其中第i个导向核记为经过置信图滤波的表示为其中，R_i(·)是提取第i个图像块的提取函数，“*”表示卷积操作，Ω为图像中所有像素的索引坐标；最后将转化为一维的列向量形式，即

步骤六：联合步骤四与步骤五，得到增强非局部总变分模型先验；

步骤七：根据步骤六得到的模型先验，构建对应的超分辨率重建代价函数；

步骤八：利用Split Bregman Iteration技术来最优化重建代价函数，得到估计的高分辨率图像；

步骤九：重复步骤二至八，直到迭代次数到达预设值。

2.根据权利要求1所述的基于增强非局部总变分模型先验的单幅图像超分辨率重建方法，其特征在于步骤六所述的增强非局部总变分模型先验：构造的基于衰减核策略和稳定的组相似性可靠度策略的增强非局部变分模型先验如下：

其中“⊙”为点乘操作，为非局部梯度强度，定义如下：

可以得出，通过稳定的组相似性可靠度度量向量，上述J(X)实现了对各像素处非局部梯度强度的自适应约束。

3.根据权利要求1所述的基于增强非局部总变分模型先验的单幅图像超分辨率重建方法，其特征在于该方法是针对单幅低分辨率图像设计的超分辨率重建方法，但是本方法可以拓展到图像/视频的去噪、去模糊及修复应用。