[发明专利]基于单张图像超分辨率方法

摘要

本发明涉及一种基于单张图像超分辨率方法，包括S1对输入的低分辨率图像双三次插值得到初始高分辨率图像；S2将初始高分辨率图像划分为相互重叠的多个图像块进而得到相似图像块分组，并对其去除图像噪声；S3将去噪后的多个图像块融合成整张高分辨率图像，并对每个图像块求非局部相似图像块以及加权系数，计算非局部相似图像块分组的冗余度权重；S4根据相似图像块分组更新在线字典并与离线字典融合；S5求每个图像块关于融合字典的稀疏表达系数；S6重建所有图像块和整张高分辨率图像，若迭代不收敛且迭代次数小于预定阈值则返回，否则输出高分辨率图像。本发明提升了超分辨率重建的真实感和准确性，并具有同时去除图像噪声的优点。

主权项

一种基于单张图像超分辨率方法，其特征在于，包括具体以下步骤：S1：对输入的低分辨率图像进行双三次插值得到初始高分辨率图像；S2：将所述初始高分辨率图像划分为相互重叠的多个图像块，为每个图像块匹配得到非局部相似图像块分组，并对每个分组都基于自适应低秩和稀疏矩阵分解算法去除图像噪声；S3：将去噪后的多个图像块融合成整张高分辨率图像，并对每个图像块以加权欧式距离为匹配度量重新求取非局部相似图像块以及相对应的加权系数，计算得到非局部相似图像块分组的冗余度权重；S4：根据相似图像块分组更新在线字典，并与离线字典进行融合；S5：根据非局部相似图像块分组的冗余度权重，利用迭代压缩算法求解每个图像块相对于融合字典的稀疏表达系数；S6：重建所有多个图像块和整张高分辨率图像，如果迭代不收敛，且迭代次数小于预定阈值则返回S2，否则输出高分辨率图像；所述步骤S2进一步包括：S21：将图像划分为相互重叠的多个图像块，并对每个图像块匹配得到非局部相似图像块分组；S22：根据图像块的梯度g计算对应相似图像块矩阵的经验目标秩r(g)；S23：计算每个非局部相似图像块分组的冗余度权重Ri；S24：对每个非局部相似图像块组成的矩阵，分别根据步骤S22和步骤S23中的经验目标秩r(g)和冗余度权重Ri，利用增广拉格朗日乘子方法进行自适应低秩和稀疏矩阵分解；所述步骤S3进一步包括：S31：将去噪后的图像块融合成整张高分辨率图像；S32：重新为高分辨率图像中的每一个图像块求取非局部相似图像块，匹配度量是加权欧式距离，其中，每一个像素点的权重由它和图像块中心像素点的位置以及颜色的接近程度确定；S33：根据相似图像块之间的加权欧式距离，求解关于它们的加权系数和整个图像块分组的冗余度权重Ri。