[发明专利]基于插值的透明结构化的自学习超分辨率图像重构方法

权利要求书

1.基于插值的透明结构化的自学习超分辨率图像重构方法，其特征在于包括如下步骤：

步骤1：用户将要进行处理的低分辨率图像通过数码设备上传至计算机，并存入计算机相应的低分辨率输入图像文件中；

步骤2：输入图像预处理，包括对输入图像中的一些孤立噪声点进行去除，增加输入样本量；

步骤3：图像特征信息提取，对预处理后的图像进行下采样，然后对下采样后得到的更低分辨率图像进行分类提取；

步骤4：图像特征信息分类，将每一个3×3棋盘格分为对应的类别，大致的分类方式为：根据3×3棋盘格中9个像素的像素值分为大区像素和小区像素；

步骤5：基于插值的超分辨率重构系数的计算；

步骤6：构建特征信息类的决策器；

步骤7：超分辨率重建，将低分辨率图像重构为高分辨率图像。

2.根据权利要求1所述的基于插值的透明结构化的自学习超分辨率图像重构方法，其特征在于步骤3具体实现如下：

由于所有的类别都是基于3×3棋盘格进行，因此每一个分好的3×3棋盘格种类是这个种类中的一个样本，然后对3×3棋盘格中的像素进行分类；所以首先将输入图像中的每一个3×3棋盘格的图像特征信息提取出来。

3.根据权利要求1或2所述的基于插值的透明结构化的自学习超分辨率图像重构方法，其特征在于步骤4具体实现如下：

步骤4.1：设3×3棋盘格中9个像素点为A～I，然后按照值的大小从大到小进行排序的结果为a₁～a₉；

步骤4.2：计算得到相邻像素值排序的差值，即得到8个差值，分别为:a₁-a₂，a₂-a₃，a₃-a₄，a₄-a₅，a₅-a₆，a₆-a₇，a₇-a₈，a₈-a₉；

步骤4.3：从8个差值中找到最大的差值，如果最大差值唯一，且最大的差值为a_i-a_i+1，则那么a₁～a_i就属于大区像素，而a_i+1～a₉属于小区像素，其中i为正整数，且小于等于8；如果存在两个或两个以上的最大差值，那么就认为这9个像素无法区分，属于同一区域像素，即既不属于大区也不属于小区；

步骤4.4：如果9个像素中的最大像素值和最小像素值的差小于15，那么认为这9个像素无法区分，属于同一区域像素；

步骤4.5：根据步骤4.1到步骤4.4的分类规则，3×3棋盘格中的每一个位置的像素都能够知道所属的区；这样每个3×3棋盘格都有属于自身的结构特征，根据不同的结构特征定义为不同的特征信息类。

4.根据权利要求3所述的基于插值的透明结构化的自学习超分辨率图像重构方法，其特征在于步骤5具体实现如下：

步骤5.1：根据步骤4将提取出来的全部3×3棋盘格的特征信息类都分到对应的类别中，这样每一个类别就会有若干个样本数据；每一个3×3棋盘格需要在两个像素点中间插入一个像素，在四个像素点的中心插入一个像素，共计需要插入16个像素点；

步骤5.2：由于所有的3×3棋盘格均是由低分辨率图像下采样得到的更低分辨率图像中提取的，所以需要插入的像素在低分辨率图像中可以找到对应的“正确的”像素值，所以能够得到每个3×3棋盘格对应的需要插入像素值的“正确答案”，因此使用最小二乘法拟合得到每个需要插入像素值对应的3×3棋盘格中每个像素对应的一组系数；最终步骤4得到的每个特征信息类都会得到16组系数，每个像素对应一组系数。