[发明专利]基于KSVD字典学习的多任务超分辨率图像重构方法

摘要

本发明公开了一种基于KSVD字典学习的多任务超分辨率图像重构方法，主要解决现有方法在高放大因子下重构图像质量下降比较严重的问题。其主要步骤为：首先输入训练图像，对其进行滤波提取特征；再抽取图像小块构造一个矩阵M，将其分成K类，得到K对初始字典H1，H2...Hk和L1，L2...Lk；然后利用KSVD方法将K对初始字典H1，H2...Hk和L1，L2...Lk，训练成K对新的字典Dh1，Dh2...Dhk和Dl1，Dl2...Dlk；最后利用多任务算法和字典Dh1，Dh2...Dhk和Dl1，Dl2...Dlk，对输入的低分辨率图像进行超分辨率重构，得到最终重构图像。本发明能够对各种自然图像，包括动植物和人等非纹理类图像以及建筑物等纹理性比较强的图像进行重构，并且在高放大因子条件下能够有效提高重构图像质量。

主权项

1.一种基于KSVD字典学习的多任务超分辨率图像重构方法，包括如下步骤：(1)输入训练图像，对其进行滤波提取特征，再抽取10万对图像小块构造一个矩阵M，将其分成K类，得到K对初始字典H₁，H₂...H_k和L₁，L₂...L_k，以及K个聚类中心C₁，C₂...C_k；(2)利用KSVD算法解式：Subject to对K对初始字典H₁，H₂...H_k和L₁，L₂...L₃进行训练，得到K对新的字典D_h1，D_h2...D_hk和D_l1，D_l2...D_lk，其中，Y为输入的初始字典，D为目标训练字典并初始化为一个随机字典，X为稀疏分解矩阵，为任意第i列，||X_i||0为X_i的0范数，为求解Y-DX的2范数，T₀为稀疏度控制系数；(3)输入一副低分辨率图像Q，对其滤波提取特征后，任取特征图像的一个小块q，分别计算q和步骤(1)中得到的K个聚类中心C₁，C₂...C_k之间的距离为：d₁，d₂...d_k，对d₁，d₂...d_k取倒数并归一化，得到K个权值w₁，w₂...w_k；(4)利用字典D_l1，D_l2...D_lk和低分辨率图像小块q，分别求解字典D_l1，D_l2...D_lk对应的稀疏分解系数a₁，a₂...a_k，其求解公式为：q＝D_lia，其中i＝1，2....k；(5)利用字典D_h1，D_h2...D_hk和系数a₁，a₂...a_k，分别求解高分辨率图像小块x₁，x₂...x_k，其求解公式为x_i＝D_hia₁，i＝1，2...k；(6)利用权值w₁，w₂...w_k对x₁，x₂...x_k进行权值相加得到高分辨率图像小块：(7)重复步骤(3)到步骤(6)，对所有的输入图像小块依次处理，得到初始重构图像Z，最后对初始重构图像Z进行全局优化，得到最终重构图像Z^*。