[发明专利]用于将低分辨率图像转换为高分辨率图像的方法

摘要

发明公开了一种用于将低分辨率图像转换为高分辨率图像的方法，本发明根据给定的一幅输入的低分辨率图像根据相似度量，从样本集中匹配得到了一个图像块集；利用纹理先验知识取出最好的图像块，产生纹理梯度函数Ut(p)。本发明对插值生成保留方向的Is图像且用学习到的边缘函数ft(vl)来生成边缘梯度函数Ue(p)，利用加权函数W(p)对Ut(p)与Ue(p)加权生成梯度函数U，从而得到放大S倍的高分辨率图像本发明具有重建的高分辨率图像质量高，更真实的特点。

主权项

1.一种用于将低分辨率图像转换为高分辨率图像的方法，其特征是，包括如下步骤：(1-1)在计算机中输入一幅低分辨率图像和由若干幅高分辨率图像I_h组成的样本集{I_h}；设定b₁，b₂,...，b_n是n个阈值，i=1，2,...，n；(1-2)计算机根据{I_h}计算纹理函数f_t(v_l)：(1-2-1)计算机利用公式计算{I_h}中每一幅高分辨率图像I_h对应的低分辨率图像I_l，并由各个I_l组成图像集合{I_l}；其中，为卷积算子，G为高斯核，σ为高斯宽度，x为I_h的任一个像素值，xc为I_h的中心像素，↓表示下采样操作；(1-2-2)计算机根据{I_l}和{I_h}计算得到若干个特征对(v_l，v_h)：设定p₁为图像I_l中的任一个像素，利用公式计算p₁的像素I_l(p₁)与的q_k像素I_l(q_k)的方差和的开平方SRSSD，将SRSSD设为p₁的特征值v_l，q_k为p₁周围的8个像素点；在I_h图像中，找到与p₁相对应的s×s的像素块，计算像素块中每个像素的SRSSD值，计算各个像素的SRSSD值的平均值SRSSD_平均，将SRSSD_平均设为像素块的特征值v_h，s为常数；将v_l和与v_l相对应的v_h组成特征对(v_l，v_h)；(1-2-3)将满足b_i-1≤v_l<b_i的所有特征对(v_l，v_h)组成集合S_i，计算每个S_i中v_h的平均值定义纹理函数(1-3)设定两个图像块的相似性匹配度量函数：(1-3-1)设定P、Q为两个图像块，利用步骤(1-2-2)计算得到P、Q相对应的特征值V_p、V_q；设定m(P，Q，b)为P与Q的最大匹配数，m(P,Q,b)=maxi{vpj=vqj,j≤i},]]>其中，分别是V_p和V_q的第j个元素；(1-3-2)设定B={b₁，b₂，...，b_n}，定义P和Q的相似性匹配度量函数S(P,Q)=maxb∈Bf1(b)f2(m(P,Q,b)),]]>其中f₁(b)与f₂(m(P，Q，b))是两个严格递增函数；(1-4）计算并得到纹理梯度函数U_t(p):(1-4-1)计算机从输入的低分辨率图像中选取图像块P^t，把样本集{I_l}中的图像分为m个与P^t尺寸相同的图像块Q_l，利用步骤(1-3)，计算图像块P^t与每个Q_l的相似度S(P^t，Q_l)，按照图像块Q_l的相似度从大至小的顺序依次选取m个图像块Q_l中的m′个图像块Q_l′，m′<m，l′=1，2....，m′，将m′个图像块Q_l′组成图像块集合A；(1-4-2)设定图像块P^t的中心像素的SRSSD值为利用纹理函数计算(1-4-3)从高分辨率图像样本集{I_h}中，选取与A对应的高分辨率图像块{H_l′}，按照下述步骤从{H_l′}中，选出P^t对应的高分辨率图像块H_l′:依次计算每个H_l′图像块中，s×s中心像素块的SRSSD_平均，将SRSSD_平均设为H_l′的特征值若是的K-近邻，则将H_l′选定；(1-4-4)利用公式i*=argmaxl′Σj,kS(Pt,Ql′)S(Pt,Fj)S(Fj,Ej,k)S(Hl′,Rj,k),]]>计算得到高分辨率图像序号i^*，得到高分辨率图像块，将图像中s×s中心像素的梯度设为纹理梯度函数U_t(p)的值；其中，F_j是图像中与图像块P^t最相似的图像块，E_j，k是样本集{I_l}中与F_j相似的若干个图像块，R_j，k是样本集{I_h}中与E_j，k相对应的高分辨率图像块；(1-5)计算保留图像I_l方向的高分辨率图像I_s:(1-5-1)P′是图像I_l中以像素p₁为中心的块，Q′是p₁沿着方向k移动一个像素的块，用公式L_k(p₁)=e^{-||P′-Q′||/γ}，计算p₁像素的相似方向函数L_k(p₁)，这里k=1，…，L，L为方向的总数；γ是实参数；(1-5-2)利用双三次插值算法对图像I_l进行运算，得到图像I：(1-5-3)利用公式Is=argminI||(I⊗G)↓-Il||2+βΣk=1K||Lk(I)-Hk||2]]>计算保留图像I_l方向的高分辨率图像I_s，其中β是平衡参数，L_k(I)是从图像I计算得到的方向相似函数；(1-6)建立边缘先验函数f_e(T_p，T_r，d)：(1-6-1)利用公式计算高分辨率图像集{I_h}中每一幅图像I_h相对应的低分辨率图像I_l，重复步骤(1-5)得到保留I_l方向的高分辨率图像I_S，设定p₃位图像I_S中的任一个像素，并计算I_S的每个像素点对应的SRSSD值；设定脊函数：设定图像I中任一像素p₂最大改变方向为k^*(p₂)，k*(p2)=argmaxk∈{1,2,...,L}|▿kI(p2)|,]]>其中，为k方向的差分算子，反方向标号为k_inverse，且满足δ是阈值，是像素p₂在方向k^*上的相邻像素，是k^*反方向上的像素；(1-6-2)在距离为d的范围内选取距离像素p₃最近的脊像素r；将I_h中与像素p₃相对应的高分辨率图像块的SRSSD值像素p₃对应的SRSSD值最近的脊像素r对应的SRSSD值T_r和d组成图像I_h的样本特征点各个样本特征点构成样本特征点集将d值相同的样本特征点分一组，计算每组中的平均值定义先验函数使fe(Tp3,Tr,d)=Sp3′;]]>(1-7)建立边缘梯度函数U_e(p)：(1-7-1)由步骤(1-5)得到保留测试图像方向的高分辨率图像I_s;(1-7-2)设定p为I_s图像中的任一个像素，计算得到p像素的T_p，T_r和d，利用公式S_p=f_e(T_p，T_r，d)计算S_p；利用公式计算边缘梯度函数U_e(p)，U_s(p)为I_s图像的梯度函数；(1-8)建立整体梯度U：利用公式W(p)=min{S_pe^-d，1}计算I_s图像中每个像素的权值W(p)，利用U(p)=W(p)U_e(p)+(1-W(p))U_t(p)计算每个像素的梯度值，由每个像素的梯度值组成I_s图像的整体梯度U；(1-9)利用公式计算得到一幅与低分辨率图像相对应的高分辨率图像其中，