[发明专利]一种多字典超分辨率图像重建方法

摘要

本发明公开了一种多字典超分辨率图像重建方法，考虑到使用全局字典进行超分辨率重建会忽略图像块结构多样化的特性，提出一种利用高斯混合模型对外部图像的先验信息进行训练进而引导多字典构造的超分辨率重建方法。本发明解决了全局字典无法兼顾各种不同类型图像块特征这一不足，有效提高图像的重建质量。

主权项

1.一种多字典超分辨率图像重建方法，本方法是对待重建的低分辨率图像LR进行超分辨率重建得到超分辨率图像HR，其特征在于，包括以下步骤：步骤1 取自然界中任意多幅自然图像组成自然图像集合Ⅰ，对自然图像集合Ⅰ采用滑动窗口算法搜索相似块得到多个块组，对所有块组采用EM算法求解，得到高斯混合模型，该高斯混合模型具有K个分量；步骤2 取自然界中任意多幅自然图像组成自然图像集合Ⅱ，自然图像集合Ⅱ与自然图像集合Ⅰ无交集，对自然图像集合Ⅱ中的每一幅自然图像，采用滑动窗口算法搜索相似块组成多个块组，利用后验概率的计算公式将自然图像集合Ⅱ的所有块组匹配到K个分量中，得到K类训练样本；β_j表示第j个块组，j取自然数；后验概率的计算公式如下：其中，k表示K个分量中的第k个分量，k＝1,2,3,...,K，P(k|β_j)表示β_j被分配到第k个分量的概率，Γ是一个单位阵，Σ_k表示第k个分量的协方差矩阵，σ表示第k个分量的相似块标准差，N(β_j|0,Σ_k+σ²Γ)表示β_j满足均值为0，方差为Σ_k+σ²Γ的概率；表示β_s的均值，Q表示自然图像集合Ⅱ的所有块组的数目，Q为自然数，q＝1,2,...,Q；S表示自然图像集合Ⅱ的每个块组中含有的相似块的数目，S为自然数，s＝1,2,...,S；步骤3 对K类训练样本分别采用K‑SVD字典训练方法进行训练，得到K个低分辨率字典D^l和与D^l相应的K个高分辨率字典D^h；步骤4 对LR经过双三次插值放大得到中间分辨率图像MR，对MR采用滑动窗口算法搜索相似块组成多个中间分辨率块组，利用后验概率的计算公式找出每个中间分辨率块组所匹配的高斯混合模型的分量；在所匹配的高斯混合模型的分量对应的低分辨率字典D^l下利用OMP算法依次计算对应每个中间分辨率块组中的每一个相似块的稀疏表示系数，将所匹配的高斯混合模型的分量对应的D^h和稀疏表示系数相乘得到高频成分；步骤5 将中间分辨率块组的每一个相似块与每一个相似块对应的高频成分求和即得到超分辨率图像块，将超分辨率图像块融合后得到HR。