[发明专利]一种基于高斯过程回归的图像超分辨率重建方法

说明书

本发明公开了一种基于高斯过程回归的图像超分辨率重建方法，具体实现步骤为：1.获取样本训练集，并将样本训练集进行模糊分类；2基于分类结果分别对每类样本训练高斯过程回归模型；3.输入测试图像样本集，并选择相应的回归关系；4.利用学习到的回归关系预测测试样本集对应的输出，即低分辨率图像中缺失的像素值；5.重建出高分辨率图像。本发明能够很好的处理目前图像超分辨率重建出高分辨率图像纹理细节不清晰，边缘锯齿问题，可以广泛的应用于社会生活与社会生产当中。

技术领域

本发明属于图像处理技术领域，特别涉及高斯过程回归的图像超分辨率方法和改进模糊C均值聚类方法以及两种方法的结合。

背景技术

图像超分辨率重建简单的来说就是由一幅或多幅低分辨率图像经过一系列处理之后生成高分辨率图像的过程。图像超分辨率技术目前已经广泛的应用于社会生活生产的众多领域，例如医学成像、遥感雷达成像、车辆监控、刑事侦查以及高清数字电视等。

目前图像超分辨率技术可以大致分为三类：基于插值的方法、基于重建的方法、基于学习的方法。基于插值的方法能够简单快速的重建出高分辨率图像，但是由于该方法重建过程细节信息丢失严重，所以重建出的图像质量有限。基于重建的方法相较基于插值的方法重建的图像质量有一定的提高，但是图像重建工作量大难，重建图像高频信息不完整。基于学习的方法能够利用先验知识详细描述高分辨率图像与低分辨图像间的映射关系，可以重建出质量较高、细节信息完整高分辨图像。

高斯过程作为一种强大的统计学习工具常用解决非线性问题。近年来，研究人员发高斯过程回归在解决超分辨率问题上有非常良好的应用。何河等人在文献He,Siu.Single image super-resolution using Gaussian process regression[C]//Proceedings of the IEEE Conference on Computer Vision&PatternRecognition.IEEE,2011:499-456.中利用图像自身特点，提出一种自学习框架，来学习图像内部关系，进而重建出高分辨率图像。王建军等人在文献Wang H,Gao X,Zhang K,etal.Image super-resolution using non-local Gaussian process regression[J].Neurocomputing,2016,194:95-106.提出借用网格采样的方法学习图像块上的非局部相似性的高斯过程回归方法，处理高分辨率重建问题。曲延云等人在文献Qu Y Y,Liao M J,Zhou Y W,et al.Image Super-Resolution Based on Data-Driven Gaussian ProcessRegression[C]//International Conference on Intelligent Science&Big DataEngineering.2013:513-520.中提出了基于锚点的高斯过程回归超分辨方法。

上述这些方法虽然说能恢复出低分辨率图像缺失的细节信息，但由没有考虑图像特征块的相似性，以至于构建出高斯过程回归模型预测的准确性不高，进而导致最终超分辨重建图像质量不佳。

发明内容

本发明的目的在于解决超分辨率重建技术目前存在的问题。提出一种结合高斯过程回归和改进模糊C均值聚类的图像超分辨率重建方法，该方法能够有效提高图像重建质量。

一种基于高斯过程回归的图像超分辨率重建方法，其特征在于：包括训练阶段和测试阶段两部分，其中所述训练阶段的步骤为：