[发明专利]基于主动采样与高斯过程回归的图像超分辨方法

摘要

本发明公开了一种基于主动采样与高斯过程回归的图像超分辨方法，主要解决现有技术在纹理区域上超分辨效果不佳这一问题。其充分利用现有的大量外部自然图像构造训练集，以表征性和多样性为指标来度量样本信息量，从而提取出精简的训练子集，使得高斯过程回归模型的训练更为高效。实现步骤为：1.生成外部训练样本集，并对其进行主动采样得到训练子集；2.基于该训练子集学习出高斯过程回归模型；3.对测试图像预处理并生成测试样本集；5.在测试样本集上应用学习好的高斯过程回归模型，预测并输出超分辨图像。本发明具有较强的超分辨能力，在纹理等区域能恢复更多的细节信息，可用于视频监控、刑事侦查、航空航天、高清娱乐、视频或图像压缩。

主权项

1.一种基于主动采样与高斯过程回归的图像超分辨方法，包括：(1)模型训练阶段：(1a)随机生成规模为n的初始训练样本集(1b)对初始训练样本集T进行主动采样，得到一个规模为r的训练子集T′：(1b1)初始化已选择的样本集合设候选样本集合(1b2)计算初始训练样本集T中每个样本si的表征性R(si)：其中为x_i的邻域，为向量2范数的平方，σ_R为高斯距离函数带宽，其取值通过公式自适应确定,ρ∈[0,1]为尺度系数，median()函数返回输入集合的中位数；(1b3)计算候选样本集合中每个样本s_i＝＜x_i,y_i＞的多样性D(s_i)：其中为已经选择的样本集合；(1b4)根据已选择的样本集合是否为空集按照下述准则从候选样本集合中挑选出当前最有信息量的样本如果为空集则直接从每个样本s_i的表征性R(s_i)中选取具有最大表征性的样本即否则，根据表征性R(s_i)和多样性D(s_i)的凸组合来度量样本信息量，进而选取出即其中λ∈[0,1]为组合系数；(1b5)从候选样本集合排除出当前最有信息量的样本并将添加进入已选择的样本集合(1b6)返回步骤(1b3)，直到中样本的个数达到规模值r，即且这里r远小于n；(1b7)令执行(1c)；(1c)基于训练子集T’训练出高斯过程回归模型M，得到从插值图像块到对应高分辨图像块中心像素丢失的高频分量之间的映射；(2)超分辨重建阶段：(2a)输入一幅尺寸为IR×IC的低分辨彩色图像I，将其由红、绿、蓝RGB颜色空间转换为亮度IY、蓝色色度ICb、红色色度ICr构成的YCbCr颜色空间；并对蓝色色度ICb、红色色度ICr进行双立方Bicubic插值，得到尺寸为(F×IR)×(F×IC)的插值色度空间SCb、SCr，其中F为超分辨放大倍数；(2b)建立高斯过程回归模型测试集Q；(2b1)对IY进行双立方Bicubic插值，得到尺寸为(F×IR)×(F×IC)的插值亮度图像SI；(2b2)按照光栅扫描顺序以1为间隔采样S_I中所有的p×p图像块，得到v个图像块集合(2c)初始化超分辨重建图像SH为插值亮度图像SI；(2d)回归预测；(2d1)以Q中每一个图像块为输入，通过训练出的高斯过程回归模型M回归出对应高分辨图像块中心像素丢失的高频分量(2d2)令并用替换初始超分辨重建图像S_H中与对应的图像块中心像素，其中函数cen()的输入为图像块，输出为该图像块的中心像素；(2e)对初始超分辨重建图像SH应用反向投影迭代得到最终超分辨重建亮度图像SF；(2f)将最终超分辨重建亮度图像SF与蓝色插值色度空间SCb、红色插值色度空间SCr合并，得到YCbCr颜色空间下的超分辨图像，并将其转换到RGB颜色空间下，输出最终的超分辨彩色图像。