[发明专利]一种基于学习和稀疏表示的迭代初始图像生成方法有效
申请号: | 201910845539.X | 申请日: | 2019-09-10 |
公开(公告)号: | CN110648392B | 公开(公告)日: | 2022-11-22 |
发明(设计)人: | 曾向荣;刘衍;周典乐;龙鑫;孙博良;钟志伟 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06T15/00 |
代理公司: | 北京律诚同业知识产权代理有限公司 11006 | 代理人: | 祁建国;张燕华 |
地址: | 410003 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 学习 稀疏 表示 初始 图像 生成 方法 | ||
本发明公开了一种基于学习和稀疏表示的迭代初始图像生成方法,具体包括以下步骤:输入低分辨率图像块序列;计算低分辨率图像块的词典Dl和与之对应的高分辨率图像块的词典Dh;通过非均匀插值方法获取高分辨率初始插值图像;基于所述的学习字典Dl并来计算稀疏表示稀疏α,然后基于所述的学习字典Dh并计算高频先验图像块hi,将获取的高频先验图像下采样到尺寸与高分辨率初始插值图像相同,得到下采样后的高频先验图像,最后将得到的下采样后的高频先验图像与高分辨率初始插值图像叠加生成高分辨率迭代初始图像。
技术领域
本发明涉及一种基于学习和稀疏表示的迭代初始图像生成方法,具体涉及基于学习和稀疏表示的方法进一步提高初始图像的质量,以更加有利于之后的图像重建。
背景技术
目前,基于重建的方法依然在超分辨率重建领域占据重要的地位,究其原因,主要是算法理论较完备,数值求解运算量适中,计算方法稳定性强,鲁棒性较高。MAP方法和变分正则化方法依然受到众多关注。这类方法通常利用先验知识构造正则项,并构造最小能量泛函方程,然后利用迭代求解的方法获取可行解。但是,目前很多方法主要集中在正则项的优化和数值求解方法的优化上,在迭代求解时,高分辨率迭代初始图像仅通过低分辨率帧中的参考图像插值生成。由于它只包含一幅图像的信息,对重建图像的质量存在一定的不利影响。如果迭代初始图像能包含低分辨率图像序列中各帧的信息,则能够获取更好的重建效果。针对这一问题,Lukin等采用新的边缘直接插值方法(New Edge-DirectedInterpolation,NEDI)来提高初始高分辨率迭代图像的质量。宋锐等利用模糊参数的类比分析法通过训练的方式估计低分辨率图像序列的模糊参数,然后根据高分辨率图像和参考图像计算多项式之间的可类比性和估计误差变化的线性相关性,利用训练估计结果将全部的低分辨率图像信息融合到高分辨率初始图像中,再利用基于MAP的方法估计最终的高分辨率图像。
发明内容
为了满足迭代初始图像能够包含低分辨率图像各块的信息,以获取更好的重建效果,本发明提供了一种基于学习和稀疏表示的迭代初始图像生成方法,包括如下步骤:
1)获取高低分辨率图像块对的集合TrI={Fh,Gl},其中Fh={f1,f2,…fi}是高分辨率图像块集合,Gl={g1,g2,…gi}是Fh对应的低分辨率图像块的集合,fi为第i块高分辨率图像块,gi为第i块第分辨率图像块,i为自然数;
2)利用高分辨率图像块和低分辨率图像块计算相应的学习字典Dh和Dl并且使它们具备相同的稀疏表示;
3)基于所述的学习字典Dh和Dl,通过非均匀插值方法获取高分辨率初始插值图像R,并将高分辨率初始插值图像R分成r1,r2…ri块,使块与块间保留一定的像素重叠,其中ri表示第i个高分辨率初始插值图像块,i为自然数;
4)基于所述的学习字典Dl并采用公式(1)来计算稀疏表示系数α,然后基于所述的学习字典Dh并利用公式(2)计算高频先验图像块hi,将所有的高频先验图像块hi在HR网格上进行重组,对重叠区域进行平均处理,得到高频先验图像H,
hi=Dhα (2)
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910845539.X/2.html,转载请声明来源钻瓜专利网。