[发明专利]基于改进邻域嵌入与先验学习的超分辨率图像重建方法

权利要求书

1.基于改进邻域嵌入与先验学习的超分辨率图像重建方法，其特征在于，包括以下步骤，

S1：对训练集中的高分辨率训练图像进行降质处理，得到训练集中的低分辨率训练图像；

S2：把高、低分辨率训练图像分块，分别得到高分辨率训练图像块和低分辨率训练图像块，高分辨率训练图像块与低分辨率训练图像块的数量相同，但大小不同；

S3：将待重建的低分辨率输入图像进行放大2倍预处理，然后进行分块，得到低分辨率输入图像块；所述低分辨率输入图像块与低分辨率训练图像块的大小相同；

S4：在全部低分辨率训练图像块中搜索与低分辨率输入图像块最相似的K个图像块组成邻域集，将邻域集中的图像块按权值线性组合，通过最小化邻域集中图像块与低分辨率输入图像块的误差，计算出邻域集中每个图像块的重建权值；

S5：根据邻域集中的K个低分辨率训练图像块，以及步骤S2中高分辨率训练图像块与低分辨率训练图像块之间的对应关系，得到与邻域集相对应的K个高分辨率训练图像块，将K个高分辨率训练图像块与步骤S4中得到的重建权值按权值对应线性组合，得到基于邻域嵌入重建的高分辨率图像块，将所有重建的高分辨率图像块进行组合，得到初步重建的高分辨率图像；

S6：对初步重建的高分辨率图像进行最大后验概率估计，利用非局部均值算法学习的非局部先验与自适应高斯核学习的局部先验构造正则化项，对重建过程进行约束，求解约束优化问题，得到最终重建的超分辨率图像。

2.根据权利要求1所述的基于改进邻域嵌入与先验学习的超分辨率图像重建方法，其特征在于，步骤S1的具体操作包括以下步骤，

S101：使用大小为7×7，方差为1.1的高斯滤波器对训练集中的高分辨率图像Y_s进行模糊处理，然后使用双三次插值进行3倍下采样，得到临时低分辨率图像；

S102：对临时低分辨率图像进行放大2倍预处理，得到低分辨率训练图像X_s。

3.根据权利要求2所述的基于改进邻域嵌入与先验学习的超分辨率图像重建方法，其特征在于，步骤S102中对临时低分辨率图像进行放大2倍预处理，以及步骤S3中将待重建的低分辨率输入图像进行放大2倍预处理均采用双三次插值的方式进行。

4.根据权利要求2所述的基于改进邻域嵌入与先验学习的超分辨率图像重建方法，其特征在于，步骤S2中将高分辨率训练图像分成大小为9×9的图像块，将低分辨率训练图像分成大小为6×6的图像块，高分辨率训练图像块和低分辨率训练图像块数量相同，且图像块之间互相对应。

5.根据权利要求4所述的基于改进邻域嵌入与先验学习的超分辨率图像重建方法，其特征在于，步骤S4的具体操作包括以下步骤，

S401：令表示低分辨率训练图像X_s的图像块；X_t为待重建的低分辨率输入图像，表示图像X_t的图像块，p，q＝1，2，…为图像块索引；对图像块在低分辨率训练图像块中搜索与最相似的K个图像块组成邻域集的搜索方式如下：

式中，分别为图像块内像素灰度值的均值，Std(·)表示计算标准差，μ₁、σ₁分别设定为0.85、0.7；K的值设定为100，如果中元素个数小于100，则适当调整μ₁与σ₁的大小，使中元素个数为100；

S402：将中K个图像块按权值线性组合，重建图像块重建误差代价函数定义为邻域集中图像块与低分辨率输入图像块的误差，也即该误差代价函数的约束条件为式中，ω_qp表示邻域集中第p个近邻图像块的重建权值；

S403：求解最小化重建误差代价函数，计算出邻域集中每个图像块的重建权值。