[发明专利]一种基于多特征稀疏表示的图像超分辨率重建方法

说明书

本发明公开了一种基于多特征稀疏表示的图像超分辨率重建方法。该方法利用稀疏字典学习重建彩色图像的亮度通道，利用边缘插值方法重建CbCr通道，有效地提高图像边缘的清晰度。在亮度通道的重建过程中，本发明的方法利用多特征融合从多方面恢复图像的高频信息，并根据人眼的视觉特性去除过平滑的区域，保留含有高频信息的显著性区域。通过联合字典学习获得过完备字典，使得高分辨率图像块的稀疏表示与相对应的低分辨率图像块的稀疏表示相关联。在图像重建过程中结合局部加权约束正则化约束条件，使得稀疏表示系数的估计结果更加准确有效，最终得到重建的高分辨率图像。实验结果表明，我们的方法具有较好的重建效果，能够得到边缘更加清晰的重建图像。

技术领域

本发明属于图像超分辨率重建技术领域，具体涉及一种基于多特征稀疏表示的图像超分辨率重建方法。

背景技术

科学研究表明，人类获取信息的主要途径是视觉[1]。在各种获取信息的渠道中，通过视觉获取的信息所占比例高达75％。而图像又是人类视觉信息的主要载体，能够直观形象地传递信息。所以，图像处理技术成为了当今世界的一大研究热点，并具有广阔的应用前景和应用价值。

随着图像处理技术的不断发展，人们对图像质量的要求也逐渐提高。图像分辨率是衡量图像质量的一个标准。图像分辨率越高，图像中的信息量越多。由于成像设备的硬件限制，在成像过程中通常会受到诸多干扰因素的影响，拍摄到的照片存在细节丢失、画质较差的问题。为获得高分辨率图像，利用增大传感器成像芯片尺寸来提高图像的分辨率是最直接的方法，但这样存在着成本高、研究周期长、提升空间有限以及普及性差的问题，是当前传感器成像设备改进技术上难以突破的瓶颈。所以，鉴于硬件方面的局限性，利用软件方法来提高图像的分辨率就变得越来越重要。

图像超分辨率(Super-Resolution，SR)重建技术是一种利用单帧或者多帧低分辨率图像，通过对图像信息的互补融合，以时间带宽换取空间分辨率，使得重建后图像的视觉效果超过任何一帧低分辨率图像的信号处理方法。近年来，图像超分辨率重建技术在许多领域都有着十分重要的应用。

图像超分辨率重建的概念是在20世纪60年代提出的。近年来，随着信息处理技术的发展，图像超分辨率重建方法层出不穷。目前为止，根据算法和模型原理的不同可以划分为三大类：基于插值的图像超分辨率重建方法、基于重构的图像超分辨率重建方法和基于学习的图像超分辨率重建方法。

(1)基于插值的图像超分辨率重建方法

该类方法主要针对单帧图像，通过运动估计将低分辨率图像像素映射到高分辨率图像网格中，高分辨率图像网格中的像素值由插值得到。该类方法易于实时处理和并行计算，但是由于没有合理引入图像的观测模型和先验知识，重建图像的图像质量恢复能力有限，视觉效果不够理想。

(2)基于重构的图像超分辨率重建方法

该类方法主要利用多帧低分辨率图像的冗余信息恢复高频信息，分为频域法和空域法。空域法比频域法的适用范围更广，经典空域法包括以下几种：

非均匀插值法(Non-Uniform Interpolation Method，NUI)：主要通过运动估计、图像配准和重建获得高分辨率图像，如文献[2]。凸集投影法(Projection Onto ConvexSets，POCS)：利用多种先验知识，能够较好的保存图像的细节信息，但计算复杂度相对较高，且解不唯一，难以满足许多具体问题的需求。迭代反投影法(Iterative BackProjection，IBP)：其基本思想是计算由图像模糊后得到的模拟低分辨率图像与观测得到的低分辨率图像的差值，并将差值投影到估计的高分辨率图像上，反复迭代直至满足条件停止。该类方法简单快捷，但反向投影算子难以确定，且解不唯一。最大后验概率(MaximumA Posterior，MAP)方法：优点是在图像重建过程中添加先验知识进行正则化约束，最新研究如文献[3]中提出的图像重建方法。

(3)基于学习的图像超分辨率重建方法