[发明专利]基于级联回归基学习的单帧图像超分辨重建方法

摘要

本发明公开的基于级联回归基学习的单帧图像超分辨重建方法，包括以下步骤：以单帧低分辨图像的超分辨重建技术为研究对象，学习表征图像结构的多层超完备子字典，构造低分辨与高分辨图像的映射关系并学习优化的回归基和对应编码系数；随后对低分辨图像集实现完整的超分辨重建，并将重建的图像作为下一层的低分辨图像进行特征提取。本发明单帧图像超分辨重建方法通过统计机器学习方法，利用元字典学习方法学习得到低分辨字典，利用加权线性回归方法以一种级联的形式对重建的高分辨训练集图像和原始高分辨图像进行多层回归基学习，以逼近低分辨与高分辨图像之间复杂的非线性映射关系，实现处理速度快、内存占用少、重建质量高的实例回归超分辨重建。

主权项

1.基于级联回归基学习的单帧图像超分辨重建方法，其特征在于，包括以下步骤：步骤1，采集N个高分辨自然图像，构造低分辨特征训练集和高分辨特征训练集；步骤2，将步骤1中的低分辨特征训练集利用元字典学习算法得到低分辨字典；步骤3，提取步骤1低分辨特征训练集和高分辨特征训练集中的低分辨特征与高分辨特征，建立两者之间的线性映射关系；步骤4，在步骤3的线性映射关系中随机选择映射关系构成初始回归基，学习初始回归基和对应的相应的编码系数，随后对步骤1中的低分辨特征训练集进行超分辨重建，得到重建后低分辨训练图像集对应的高分辨训练图像集；步骤5，把步骤4的重建后低分辨训练图像集对应的高分辨训练图像集作为低分辨训练图像集，重复步骤2‑4，经过T次循环后得到T个回归基和相应的编码系数矩阵其中表示第t次学习得到的回归基，α_t表示与第t次得到的回归基相对应的编码系数矩阵；步骤6，输入待处理的低分辨彩色图像，构造低分辨图像测试集；步骤7，基于步骤6的低分辨图像测试集，使用步骤5的对应的回归基和编码系数矩阵，构造目标高分辨图像集；步骤8，对输入的低分辨彩色图像在YCbCr颜色空间中的两个色差分量Cb和Cr采用双立方插值放大，并结合步骤7中的目标高分辨图像集；再将YCbCr颜色空间的超分辨结果转换到RGB颜色空间，得到被放大的低分辨彩色图像。