基于NormLV特征的低秩稀疏鄰域嵌入超分辨方法
【專利摘要】本發(fā)明公開了一種基于NormLV特征的低秩稀疏鄰域嵌入的超分辨方法。首先，構(gòu)造NormLV特征將鄰域嵌入算法進行特征增強，通過該特征來選取近鄰；將訓(xùn)練集進行分組得到索引集；利用低秩稀疏鄰域嵌入算法計算權(quán)值矩陣；將權(quán)值矩陣歸一化；線性組合得到高分辨圖像塊；融合高分辨圖像塊得到初始的高分辨圖像；最后，結(jié)合一致性先驗和全局約束，利用TV和IBP算法進一步提高圖像超分辨重建的質(zhì)量。本發(fā)明將稀疏表示與鄰域嵌入算法相結(jié)合，解決了低分辨圖像與高分辨圖像鄰域關(guān)系的不一致性影響超分辨重建質(zhì)量的技術(shù)問題。采用本發(fā)明獲得高分辨圖像能恢復(fù)更加清晰豐富的紋理細節(jié)和圖像邊緣，相比其他方法，有更好的視覺效果。
【專利說明】基于NormLV特征的低秩稀疏鄰域嵌入超分辨方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，主要設(shè)及圖像超分辨方法，具體是一種基于 NormLV特征的低秩稀疏鄰域嵌入超分辨方法，由此獲得的高質(zhì)量的圖像為后續(xù)圖像處理、 分析與理解提供很大的幫助，可用于不同領(lǐng)域，例如生物醫(yī)學(xué)、視頻與多媒體系統(tǒng)、軍事偵 察等領(lǐng)域。

【背景技術(shù)】
[0002] 隨著Internet應(yīng)用的日益普及和移動通信技術(shù)的飛速發(fā)展，圖像超分辨重構(gòu)在 圖像處理領(lǐng)域得到了廣泛的應(yīng)用，可W克服成像系統(tǒng)分辨率的不足。在不同領(lǐng)域中取得了 良好的效果，例如生物醫(yī)學(xué)、視頻與多媒體系統(tǒng)、軍事偵察等領(lǐng)域。經(jīng)過近30年的發(fā)展和研 究，圖像超分辨方法主要分為基于插值的方法、基于重構(gòu)的方法、基于實例學(xué)習(xí)的方法。其 中鄰域嵌入超分辨方法是一種簡單而有效的實例學(xué)習(xí)超分辨方法。
[0003] 鄰域嵌入超分辨方法是將流形學(xué)習(xí)中局部線性嵌入思想引入超分辨重建中，假設(shè) 低維空間和高維空間的局部空間結(jié)構(gòu)是相似的，具體到圖像超分辨率重建來看，對應(yīng)的低 維空間是由低分辨率圖像塊構(gòu)成，而高維空間是由高分辨率圖像塊構(gòu)成。鄰域嵌入超分辨 算法主要分為=步；捜索k近鄰、計算重建權(quán)值、線性組合高分辨圖像塊。然而傳統(tǒng)的基于 鄰域嵌入算法的超分辨方法存在W下幾個問題；1) 一階梯度和二階梯度特征提取方法只 能表示水平和垂直方向的特征，不能更好表示圖像塊，從而會造成篩選出來的鄰域不準(zhǔn)確； 2)由于特征提取的不準(zhǔn)確性導(dǎo)致低分辨圖像塊與高分辨圖像塊之間的映射非一對一的線 性映射；3)使用歐氏距離來嚴(yán)格尋找固定的k近鄰進行線性嵌入，容易導(dǎo)致欠擬合或過擬 合現(xiàn)象，而且找近鄰的時候不能排除噪聲樣本或者外來干擾樣本；4)對于鄰域嵌入算法， 由于在整個訓(xùn)練集上進行k-近鄰捜索，當(dāng)訓(xùn)練集規(guī)模較大的情況下，算法比較耗時。綜上 可知，傳統(tǒng)的鄰域嵌入超分辨方法在特征表示篩選出來的鄰域不準(zhǔn)確、捜索k近鄰不能排 除噪聲樣本或者外來干擾樣本、計算重構(gòu)權(quán)值容易導(dǎo)致欠擬合或過擬合和算法比較耗時方 面有些不足之處。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對上述現(xiàn)有方法的不足，提供一種利用NormLV特征，很好實 現(xiàn)鄰域嵌入超分辨算法中特征增強，效率高的基于NormLV特征的低秩稀疏鄰域超分辨方 法。
[0005] 本發(fā)明實現(xiàn)基于NormLV特征的低秩稀疏鄰域超分辨的技術(shù)方案包括有如下步 驟：
[0006] 步驟1 ;讀入一幅不含噪聲的低分辨彩色RGB圖像Lt，將RGB圖像轉(zhuǎn)換為彩色空間 的YCb&圖像，將其中的色度分量Cb和&直接利用Bicubic插值法進行插值，將其中的亮 度分量Y用NormLV特征提取方法進行操作；
[0007] 步驟2 ;特征提?。簩⒌头直鎴D像亮度分量Y提取NormLV特征，得到低分辨率圖像 訓(xùn)練集Xs;
[000引步驟3 ;分組對于低分辨率圖像訓(xùn)練集X,中每個向量，在X,中選出K個最近鄰 圖像塊，并把K個最近鄰圖像塊和放到一個組Gi中，
[0009]

【權(quán)利要求】
1. 一種基于NormLV特征的低秩稀疏鄰域嵌入超分辨方法，其特征在于，包括有如下步 驟： 步驟1 :讀入一幅不含噪聲的低分辨彩色RGB圖像Lt，將RGB圖像轉(zhuǎn)換為彩色空間的YCbCr圖像，將其中的色度分量Cb和Cr直接利用Bicubic插值法進行插值，將其中的亮度 分量Y用NormLV特征提取方法進行操作； 步驟2 :特征提取：將低分辨圖像亮度分量Y提取NormLV特征，得到低分辨率圖像訓(xùn)練 集Xs; 步驟3 :分組：對于低分辨率圖像訓(xùn)練集Xs中每個向量 <，在Xs中選出K個最近鄰圖 像塊，并把K個最近鄰圖像塊和X丨放到一個組Gi中， G-K}U{^', 其中Gi表示與訓(xùn)練集中第i個樣本 < 相關(guān)的組,NK(i)表示由的K個最近鄰圖像塊 構(gòu)成的索引集，1彡i彡N; 為了節(jié)省內(nèi)存空間，保持索引即可，所以將索引集Gi表示為： Gi= {i}U{j,jGNK(i)} 步驟4 :低秩稀疏鄰域嵌入：對于每個測試圖像塊x/，用低秩稀疏鄰域嵌入算法進行線
分辨圖像塊特征的低秩分量f; 步驟5 :歸一化：將低分辨圖像全部的權(quán)值矩陣屯，歸一化：
步驟6:線性組合：線性組合鄰域集Nk(j)中對應(yīng)的高分辨圖像塊特征的低秩分量 ，得到低分辨圖像塊x/的高分辨圖像塊特征的估計W，即
本發(fā)明將低分辨圖像的權(quán)值映射到高分辨圖像中，使得低分辨圖像與高分辨圖像鄰域 關(guān)系的一致性。 步驟7 :將低分辨率圖像塊X/的均值I_n與高分辨特征估計值進行線性組合得到最 后的高分辨率圖像塊V
步驟8 :融合：將得到的所有的高分辨圖像塊融合為初始高分辨圖像估計H0，對于相鄰 圖像塊之間的重疊區(qū)域，使用平均融合的方法得到初始高分辨圖像Htl的像素值； 步驟9 :去模糊：對Htl使用TV去模糊算法獲得去模糊的高分辨圖像H; 步驟10 :反向投影：對去模糊后的高分辨圖像H，用IBP算法獲得最終高分辨圖像:
其中y為平衡參數(shù)； 最終完成基于NormLV特征的低秩稀疏鄰域嵌入超分辨重建，即低分辨圖像Lt的高分 辨圖像估計為最終高分辨圖像",r。
2. 根據(jù)權(quán)利要求1所述的基于NormLV特征的低秩稀疏鄰域嵌入超分辨方法，其中步驟 2所述的NormLV特征提取方法具體步驟如下： 2a)將低分辨圖像亮度分量Y自上而下，從左到右劃分成大小為sXs的圖像塊，相鄰圖 像塊之間重疊1個像素； 2b)提取低分辨圖像塊的一階梯度特征▽firetgradimt; 2c)提取低分辨圖像塊的Norm特征▽N_，所謂的Norm特征即是中間像素點的值減去 塊的均值； 2d)提取低分辨圖像塊的LV特征Vw，LV特征為將圖像水平和垂直方法融合起來，用 中間值減去上下左右四個方向的像素值； 2e)為了更好得表示低分辨圖像塊，采用多個特征融合的方法將一階梯度特征、Norm特征和LV特征融合為新的NormLV特征，NormLV特征表達式為：
之后將得到的圖像塊提取其NormLV特征構(gòu)造測試集X, 。同時對于訓(xùn)練樣 本集，低分辨訓(xùn)練樣本集提取NormLV特征X= ，高分辨訓(xùn)練樣本集提取強度特征 1HC。
3. 根據(jù)權(quán)利要求1所述的基于NormLV特征的低秩稀疏鄰域嵌入超分辨方法，其中步驟 4所述的低秩稀疏鄰域嵌入算法具體步驟如下： 4a)對于每個測試圖像塊X/，在低分辨率圖像訓(xùn)練集\中找出最相似的 <，并得到與 <相關(guān)的組Gi，其中Gi包含K+1個索引； 4b)將與x/相關(guān)的K個低分辨率圖像梯度特征向量構(gòu)成一個矩陣e，其中Ii =[x)，...，xf，...xf]。同理，將對應(yīng)的K個高分辨率圖像強度特征向量構(gòu)成矩陣^ ， 其中片=[^，...，心...3^]; 4c)輸入圖像塊X/與低分辨率圖像特征矩陣1^組成矩陣& =[x/，￡+]; 4d)將巧和Hi進行低秩矩陣分解，具體優(yōu)化函數(shù)為：
其中，',^和耳分別為低分辨圖像特征矩陣A的低秩分量和稀疏分量；^^和仏分別 為高分辨圖像特征矩陣H1的低秩分量和稀疏分量；.被分成兩個部分，一部分是輸入低 分辨率圖像塊< 對應(yīng)的列向量(x/l-部分是訓(xùn)練集低分辨率圖像特征矩陣1^的分塊矩 陣4,即 4e)對于每個輸入圖像塊的列向量^；〇4，在訓(xùn)練集低分辨率圖像特征矩陣Li的分 塊矩陣 < 中找出K個近鄰^，aeNk (j)，然后用稀疏表示計算權(quán)值，優(yōu)化函數(shù)為：
其中(Al= ，Wj= [Wl，j，...，Wa，j，...，WK，j]T。上述優(yōu)化問題 是典型凸優(yōu)化問題，采用OMP或BP算法就可求解出權(quán)值矩陣Wj，這種方法求出權(quán)值能更好 的反映低分辨圖像塊與高分辨圖像塊之間的映射關(guān)系。
【文檔編號】G06T5/50GK104504672SQ201410830062
【公開日】2015年4月8日 申請日期:2014年12月27日 優(yōu)先權(quán)日:2014年12月27日
【發(fā)明者】張小華, 焦李成, 何攀輝, 田小林, 王爽, 朱虎明, 馬晶晶 申請人:西安電子科技大學(xué)