[发明专利]基于表征学习与邻域约束嵌入的图像超分辨重构方法

摘要

本发明公开了一种基于表征学习与邻域约束嵌入的图像超分辨重构方法，解决了特征提取的不准确及固定的邻域大小的问题。主要步骤为：对一组训练样例图像对进行预处理，构造一对低分辨图像块与高分辨图像块字典；输入低分辨率测试图像，对输入的低分辨率测试图像进行分块并提取特征；计算特征间的欧氏距离，寻找输入图像块的K个近邻；构造一个自适应约束函数，通过邻域约束得到自适应的k个近邻，并利用局部线性嵌入的方法得到最终的高分辨率图像，完成图像超分辨率重构。本发明采用深度稀疏自编码网络学习特征，近邻选取的比较准确，并自适应的选择邻域大小，有效提高了重构图像质量并改善细节信息，适用于各种自然图像的超分辨率重构。

主权项

一种基于表征学习与邻域约束嵌入的图像超分辨重构方法，其特征在于，包括有如下步骤：步骤1：输入训练样例图像对并对其进行训练，用低分辨率训练样例图像学习构造一个规模为N的低分辨率图像块字典并用高分辨率训练样例图像学习构造一个规模为N的与低分辨率图像块字典相对应的高分辨率图像块字典步骤2：输入待超分辨率重构的低分辨率测试图像Y，按重叠的方式分块得到低分辨率图像块集并用深度稀疏自编码网络提取特征，得到测试图像的低分辨率图像块特征集步骤3：预选特征块近邻，计算测试图像块的特征与低分辨率图像块字典的欧氏距离，在低分辨率图像块字典中找到特征块的K个近邻作为预选范围，是在低分辨率图像块字典X_s中的初始邻域；步骤4：通过自适应邻域约束，得到在低分辨率图像块字典X_s中的最终邻域包含自适应的k个近邻其中k≤K,k为变量；包括有如下步骤：4a)对于每一个输入的低分辨率测试图像块有8个测试邻接块每一个训练的低分辨率图像块也有8个训练邻接块分别对测试邻接块和训练邻接块进行主成分分析降维得到测试邻接块矩阵和训练邻接块矩阵4b)构造自适应邻域约束函数其中α为阈值，计算得到自适应的k个近邻是在低分辨率图像块字典X_s中的最终邻域，k≤K,k为变量；步骤5：通过局部线性嵌入方法计算重构权重w_ij，当重构权重误差最小时传递重构权重w_ij，对训练的高分辨率图像块线性组合得到高分辨率图像输出小块从而得到高分辨率图像块集其中∑w_ij＝1；步骤6：将高分辨率图像块集中的所有高分辨率图像输出小块按顺序放到待重构的高分辨率图像的对应位置上，得到最终的高分辨率图像X^*。