[发明专利]一种基于多级稀疏字典学习的图像超分辨率方法

摘要

本发明公开了一种基于多级稀疏字典学习的图像超分辨率方法，该方法采用多级稀疏字典训练方法，训练多级子字典。在数据预处理阶段，对原始高分辨率图像的退化图像，使用一阶及二阶梯度算子滤波，并提取块特征，构成低分辨率块特征训练集。字典训练阶段，基于特征集离线训练低分辨率多级别稀疏字典，根据广义逆计算多级别高分辨率字典。重建阶段，对所有级别子字典，求解输入低分辨率图片特征块对应的1‑稀疏系数，根据对应多级高分辨率字典计算对应高分辨率图像块，最后对重叠部分采用平滑处理重建得高分辨率图像。本发明方法克服了一般方法稀疏度不够导致图像重建效果不理想，泛化能力弱的问题，有效提高最终图像超分辨率质量。

主权项

1.一种基于多级稀疏字典学习的图像超分辨率方法，其特征在于，包括如下步骤：步骤1，根据原始高分辨率图像，建立用于多级稀疏字典学习的低分辨率图像训练集；步骤2，利用低分辨率图像训练集训练低分辨率多级稀疏字典，且每一级子字典的原子个数根据最小描述长度策略自适应确定，并根据广义逆计算高分辨率多级稀疏字典；步骤3，对输入的待重建低分辨率图像，基于双三次插值变换为目标高分辨率尺寸的退化图像，并提取该退化图像的一、二阶梯度特征，根据一、二阶梯度特征得到待重建低分辨率图像的特征矩阵，求解特征矩阵对应的低分辨率多级稀疏字典每一级的稀疏表示系数；步骤4，根据步骤3求得的稀疏表示系数，对应得到高分辨率多级稀疏字典每一级的稀疏表示系数，根据高分辨率多级稀疏字典与高分辨率多级稀疏字典每一级的稀疏表示系数，计算得到高分辨率图像块，并将高分辨率图像块融合得到高分辨率重建图像。