[发明专利]自范例学习引导的单张影像超分辨率重构方法

权利要求书

1.自范例学习引导的单张影像超分辨率重构方法，其特征在于，将影像块的几何不变性引入到类似影像块匹配中，实现基于范例几何不变性的单张影像超分辨率影像重构算法，在类似影像块匹配过程中，将影像块的几何形变作为损失函数扩大内部影像块的搜寻空间；

自范例学习引导的单张影像超分辨率重构模型分为三个部分，分别为：最近邻域构成定义、最近邻搜寻检索、合成高分辨率影像块；将自范例学习引导的单张影像超分辨率重构模型用于超分辨率影像重构，整体方法流程分为三个步骤：分别为：影像检测与金字塔构建、类似影像块匹配、多级放大影像重构；

自范例学习引导的单张影像超分辨率重构方法整体方法流程步骤为：

第一步，影像检测与金字塔构建，

影像检测与金字塔构建阶段基于消逝点检测获取影像内部平面信息，建立影像金字塔，包括三部分：影像平面检测、透射变换矩阵获取利用、影像金字塔构造，

1、影像平面检测：对输入低分辨率影像进行消逝点检测，获取影像的消逝点与对应消逝线集合，然后将消逝线密度分布图两两配对获取平面信息；

2、透射变换矩阵B_C获取利用，利用消逝线获取对应平面的透射变换矩阵B_C进行几何校正，使得在三维空间中平行的线在影像中依然平行；

3、影像金字塔构造：首先由输入低分辨率影像通过连续下采样构造自身的全频影像金字塔，然后由全频影像金字塔的每层影像进行双三次插值构造出低频影像金字塔，构造高-低分辨率的影像对，通过目标尺度的低频影像重构出与之对应的全频影像；

第二步，类似影像块匹配，

1、影像分块：对低频影像金字塔中目标尺度缺少高频信息的低分辨率影像进行分块处理，以i*i的大小分块，并且使相邻的影像块之间有重叠，得到大量的低分辨率影像块；

2、类似影像块匹配：在低频影像金字塔中采用影像块几何变换模型，对目标影像块进行类似影像块匹配；

第三步，多级放大影像重构，

1、将低分辨率影像金字塔内学习的映射关系应用在高分辨率影像金字塔内，获取目标尺度的高分辨影像；在低分辨率影像金字塔内可以获取目标块与类似块之间的变换关系T,将T的逆矩阵应用在相同位置的高分辨率影像块上就可以得到高分辨影像块；

2、采用多级放大的超分辨率影像重构方法，将获取的高分辨影像通过迭代反投影方法对其重构得到的高分辨率影像进行误差修正；

将误差修正后获取的B_i+1做为输入影像对其重复迭代，直至B_i+C到达目标分辨率，输出超分辨率影像重构结果；

经过以上三部流程将输入低分辨率影像，在不依靠外部训练数据集的条件下，重构成高分辨率影像。

2.根据权利要求1所述的自范例学习引导的单张影像超分辨率重构方法，其特征在于，本发明平面信息提取采用消逝点检测方法，首先通过影像边缘检测和消逝点聚类提取二维影像内部的平面信息，具体步骤为：

步骤一，对待检测影像进行边缘检测，将线段填充到影像的已知区域；

步骤二，采用步骤一检测到的消逝线，采用随机抽样一致性算法获取至多3个消逝点；

步骤三，利用聚类获取的至多3个消逝点，两两配对得到3个平面；

利用消逝线表示平面C的参数，通过一个透射变换矩阵B_C进行几何校正现实平面的透射影像，使在三维空间中互相平行的线段，在成像影像中依然保持平行；

影像内的一个平面由两组三维空间中的平行线确定，在同一个影像平面区域内会存在两组属于不同消逝点的消逝线，消逝点检测平面的方法通过对两组属于不同消逝点的消逝线的重叠区域定位，确定对应平面区域，检测流程为：

步骤1，对于影像内每组消逝点的消逝线进行高斯核扩散，获取对应消逝点在影像内的密度分布图；

步骤2，将消逝点对应消逝线密度分布图两两相乘获取对应平面的平面密度图，其输出图片能很好的反映出两组线段重叠部分。