[发明专利]基于可控核与高斯过程回归的单帧图像超分辨方法

摘要

本发明涉及一种基于可控核与高斯过程回归的单帧图像超分辨方法。首先基于训练图像随机获取插值图像块与高频图像块对；引入归一化可控核系数表征插值图像块，提取高频图像块中心像素，构造训练集；对训练集聚类，每个聚类通过高斯过程回归学习插值图像块到高频图像块中心像素间的映射关系；对于测试图像，通过归一化可控核系数表征每个测试图像块并寻找与之最近聚类的回归模型，从而预测缺失的高频图像块中心像素，最终将预测的高频图像与插值图像叠加得到超分辨重建图像。本发明在高斯过程回归模型中引入归一化可控核系数特征和各向异性的自动相关确认核函数提高模型适应性；结果表明，本发明具有较好的主观和客观重建质量。

主权项

1.一种基于可控核与高斯过程回归的单帧图像超分辨方法，其特征在于包括以下两个阶段：(1)训练阶段(1.a)在训练阶段，首先获取低分辨和高分辨训练图像对之后基于低分辨训练图像L_i得到与高分辨图像H_i同尺寸的插值图像I_i，然后高分辨图像H_i与插值图像I_i相减得到对应的高频图像F_i，获得插值图像与高频图像对集合其中F_i＝H_i‑I_i；(1.b)在插值图像与高频图像对上随机提取尺寸为d×d的训练图像块对其中，d为奇数；(1.c)对每一个图像块提取其中心像素对于得到其归一化可控核系数矩阵拉成的列向量x_j，并使用x_j表征从而构造训练集其中x_j为第j个样本的输入特征，y_j为第j个样本的目标值；(1.d)基于K‑Means算法对D进行聚类，将训练集D划分为c个聚类，即且D_i∩D_j＝φ，i≠j；这里n_k为第k个聚类D_k中的样本个数，且(1.e)设定高斯过程回归模型中的核函数k(x，x′)，其中x，x′为两个样本的输入特征；(1.f)针对每个聚类Dk，对该聚类下的高斯过程回归模型超参数θ(k)进行初始化；(1.g)在每个聚类Dk上训练出对应的高斯过程回归模型Mk；针对每个模型核函数中待定的超参数通过最大化边缘似然p(y(k)|X(k)，θ(k))从而获得最优超参数θ(k)*，即其中将超参数初始化后，采用常用的梯度下降法经迭代方式解得最优解θ^(k)*，完成模型M_k训练；(2)测试阶段(2.a)在测试阶段，首先对低分辨测试图像I插值到指定尺寸SI，初始化超分辨结果图像：SH＝SI；(2.b)从S_I提取所有的测试图像块集合使用归一化可控核系数表征每个测试图像块得到测试集(2.c)对每个测试图像块基于寻找与之最接近的聚类，随后应用与该聚类对应的GPR模型M_k预测对应高频图像块中心像素；将预测出的高频图像S_H与插值图像叠加得到超分辨重建图像S；(2.c.1)依据式预测对应的其中矩阵中的第i行第j列元素此外(2.c.2)其中cen()返回输入图像块的中心像素；(2.c.3)将S_H中对应的像素替换为(2.d)令S＝SH，即为最终超分辨重建图像。