[发明专利]基于非局部字典学习和双正则项的图像超分辨率重建方法

摘要

本发明公开了一种基于非局部字典学习和双正则项的图像超分辨率重建方法，主要解决现有字典学习方法无法有效利用待超低分辨率图像的先验信息，导致重建的图像不自然的问题。其主要步骤为：（1）得到初始的高分辨率图像（2）训练初始的残差字典集合d₀和初始的期望字典集合D₀；（3）在初始的高分辨率图像上计算初始的非局部正则权值矩阵W₀和局部核回归正则权值矩阵K₀；（4）对输入的初始高分辨率图像进行正则优化处理，得到优化图像（5）应用初始的残差字典集合d₀和初始的期望字典集合D₀重建优化图像得到重建后的图像本发明能够对遥感图像进行重建，并且能够有效的保持图像的边缘及纹理信息，可用于卫星监控和遥感成像。

主权项

1.一种基于非局部字典学习和双正则项的图像超分辨率重建方法，包括如下步骤：(1)输入低分辨率图像I_l，对该低分辨率图像I_l作双线性插值处理，得到初始的高分辨率图像(2)对初始的高分辨率图像进行自适应的聚类字典训练，得到R个聚类中心C_center＝{C_i,i＝1,2,...,R}，初始的期望字典集合D₀和初始的残差字典集合d₀；(3)在初始的高分辨率图像上计算初始的非局部正则权值矩阵W₀和初始的局部核正则权值矩阵K₀；(4)设迭代次数为n，n＝0,1,2,...,299，初始迭代n＝0，重建超分辨率图像：4a)输入初始迭代图像根据非局部正则权值矩阵W₀和初始的局部核正则权值矩阵K₀，对该初始迭代图像进行正则优化，得到优化图像4b)应用初始的期望字典集D₀，初始的残差字典集d₀，R个聚类中心C_center＝{C_i,i＝1,2,...,R}和输入的初始迭代图像对优化图像进行重建，得到重建后的图像4c)设误差精度ε＝2e-9，N为重建图像中总的图像块个数，根据所述参数判断迭代是否终止，若则终止迭代，输出重建图像否则将重建图像作为新的迭代输入图像，迭代次数加1,即n＝n+1，并设指示参数p1＝120；4d)根据参数p1,n判断是否更新初始的期望字典集合D₀，初始的残差典集合d₀，初始的非局部正则权值矩阵W₀以及初始的局部核正则权值矩阵K₀，若n为p1的整数倍，则将初始的期望字典集合D₀更新为D_n，将初始的残差字典集合d₀更新为d_n，将初始的非局部正则权值矩阵W₀更新为W_n，将初始的局部核正则权值矩阵K₀更新为K_n；否则不更新，返回步骤4a)。