[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

说明书

本发明公开了一种基于改进邻域嵌入与先验学习的超分辨率图像重建方法，包括以下步骤，S1：训练集中的高分辨率图像降质；S2：高、低分辨率训练图像分块；S3：待重构的低分辨率输入图像放大2倍预处理，然后分块；S4：搜索与低分辨率输入图像块最相似的K个低分辨率图像块组成邻域集，计算邻域集中每个图像块的重构权值；S5：组合重构权值与对应的K个高分辨率训练图像块，重构高分辨率图像块及高分辨率图像；S6：构造非局部正则化项与局部正则化项对高分辨率图像重构结果进行最大后验概率估计，得到最终的超分辨率重建图像。本发明中的方法取得较好的图像重建效果，图像细节更丰富，纹理更清晰。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于改进邻域嵌入与先验学习的图像超分辨率重建方法。

背景技术

图像超分辨率重建是计算机视觉领域中一个重要的研究方向，并且在许多实际的应用中(公共安全、视频监控、医学成像、高清视频等)起着至关重要的作用。目前，研究人员提出了不同的图像超分辨率重建算法，并在不同的应用场景下，取得了一定的成功。传统的邻域嵌入超分辨率重建方法在一定程度上提高了图像的重建效果，但搜索邻域需要非常大的计算量，算法的时间效率低。

发明内容

针对上述存在的问题，本发明旨在提供一种基于改进邻域嵌入与先验学习的超分辨率图像重建方法，将邻域嵌入算法进行改进，通过引入非局部正则化项与局部正则化项对改进邻域嵌入的重构结果进行最大后验概率(MAP)估计，使得最终的重建效果更佳，细节更丰富，纹理更清晰。

为了实现上述目的，本发明所采用的技术方案如下：

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。

进一步的，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。

进一步的，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。