本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種圖像超分辨率重構(gòu)的方法。

背景技術(shù)：

隨著現(xiàn)代科技的進(jìn)步，數(shù)字圖像得到越來(lái)越廣泛的應(yīng)用，逐漸演變成最重要的信息載體之一。而圖像的分辨率是評(píng)價(jià)一幅圖像的內(nèi)容豐富程度的客觀標(biāo)準(zhǔn)，分辨率越高說(shuō)明圖像內(nèi)容越豐富，人們可以從中分析得到的信息越多。然而，現(xiàn)實(shí)中也有很多的原因會(huì)導(dǎo)致獲取的圖像分辨率不能達(dá)到需求，如硬件方面，受到傳感器陣列密度限制的影響；外部條件方面，大氣流動(dòng)，光照條件變化，物體的相對(duì)運(yùn)動(dòng)等也會(huì)造成捕獲的圖像模糊，分辨率過(guò)低。所以，探索提高圖像分辨率的方法成為了一件非常必要的事情。

目前，從信號(hào)處理方向來(lái)考慮，J.C.Yang在2010年提出的基于稀疏表示的圖像超分辨率重構(gòu)(SCSR)方法的基本思想是：以高低分辨率的圖像塊結(jié)合起來(lái)為訓(xùn)練數(shù)據(jù)，通過(guò)聯(lián)合訓(xùn)練的方式得到高低分辨率字典對(duì)，使得高低分辨率圖像塊在高低分辨率字典對(duì)下具有相同的稀疏表示。但是，在Yang的方法中，直接將從樣本庫(kù)中采集的高分辨率圖像塊和低分辨率圖像特征矩陣作為訓(xùn)練樣本進(jìn)行超完備字典對(duì)的訓(xùn)練，忽略了一些樣本庫(kù)的先驗(yàn)信息，同時(shí)也將低分辨率插值圖像減去低分辨率插值圖像均值的結(jié)果作為資源重構(gòu)出對(duì)應(yīng)的目標(biāo)高分辨率部分，然后加上低分辨率插值圖像均值部分得到最終的高分辨率圖像。

于是本文在Yang的方法的基礎(chǔ)上，在訓(xùn)練的時(shí)候利用圖像塊的灰度共生矩陣提取特征，然后根據(jù)提取的特征將圖像塊進(jìn)行分類(lèi)，對(duì)分類(lèi)后的圖像塊集分別訓(xùn)練得到對(duì)應(yīng)的高低分辨率字典對(duì)。重構(gòu)的時(shí)候引入一種基于Mumford-Shah模型和G空間的圖像紋理結(jié)構(gòu)分解技術(shù)，將圖像分割成紋理部分和結(jié)構(gòu)部分，丟棄紋理部分，保留結(jié)構(gòu)部分，通過(guò)訓(xùn)練高低分辨率的字典對(duì)來(lái)重構(gòu)出紋理部分丟失的高頻信息，然后將保留的結(jié)構(gòu)部分和重構(gòu)的紋理部分合成最終的高分辨率圖像，實(shí)驗(yàn)結(jié)果證明，經(jīng)過(guò)改進(jìn)之后會(huì)得到更好的重構(gòu)效果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題在于，提供一種圖像超分辨率重構(gòu)的方法，具有更好的分辨率重構(gòu)效果、更快速的重構(gòu)速率。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：一種圖像超分辨率重構(gòu)的方法，包括以下步驟：

S1、將高分辨率圖像進(jìn)行降采樣和插值處理，得到低分辨率圖像的插值圖像；

S2、將低分辨率圖像的插值圖像作為訓(xùn)練樣本進(jìn)行訓(xùn)練，得到高低分辨率字典對(duì)

S3、輸入低分辨率圖像，對(duì)其進(jìn)行插值處理，得到低分辨率圖像的插值圖像；

S4、將低分辨率的插值圖像分解為低分辨率的結(jié)構(gòu)部分、紋理部分，舍棄低分辨率的紋理部分；

S5、將步驟S3的低分辨率的插值圖像進(jìn)行提取特征，得到低分辨率圖像特征；

S6、根據(jù)步驟S2得到的高低分辨率字典對(duì)，對(duì)低分辨率圖像特征進(jìn)行稀疏重建，得到高分辨率圖像紋理部分；

S7、將高分辨率圖像紋理部分與步驟S4中低分辨率的結(jié)構(gòu)部分合并，得到重構(gòu)后的高分辨率圖像。

進(jìn)一步地，所述步驟S2中進(jìn)行訓(xùn)練的過(guò)程具體為：

S21、對(duì)低分辨率圖像的插值圖像進(jìn)行分塊得到圖像塊，使用濾波器對(duì)圖像塊進(jìn)行處理，得到圖像塊的灰度共生矩陣；

S22、將灰度共生矩陣進(jìn)行求熵處理得到熵值，判斷熵值是否為0，若熵值大于0，得到豐富紋理圖像塊；若熵值等于0，則得到平滑均勻圖像塊；

S23、將豐富紋理圖像塊進(jìn)行訓(xùn)練得到豐富紋理的高分辨率和低分辨率圖像；

S24、將步驟S1中的高分辨率圖像利用灰度共生矩陣進(jìn)行提取特征，直接得到平滑均勻圖像塊；

S25、將平滑均勻圖像塊訓(xùn)練得到平滑均勻的高分辨率和低分辨率圖像；

S26、結(jié)合豐富紋理的高分辨率和低分辨率圖像、平滑均勻的高分辨率和低分辨率圖像，得到高低分辨率字典對(duì)。

進(jìn)一步地，所述步驟S3中插值處理，其具體使用雙三插值法處理。

進(jìn)一步地，所述步驟S4具體為：利用基于Mumford-Shah模型分解技術(shù)或G空間的圖像紋理結(jié)構(gòu)分解技術(shù)將低分辨率的插值圖像分解為低分辨率的結(jié)構(gòu)部分、紋理部分。

進(jìn)一步地，所述步驟S6具體為：設(shè)低分辨率圖像特征為F_y，高低分辨率字典對(duì)分別為D_h、D_l，高分辨率圖像紋理部分為X_v

(1)低分辨率圖像特征F_y，求優(yōu)化問(wèn)題得到α^*，其中λ表示分辨率轉(zhuǎn)換系數(shù)；

(2)根據(jù)X_v＝D_hα^*，得到高分辨率紋理部分X_v。

進(jìn)一步地，所述步驟S7具體為：高分辨率圖像紋理部分與低分辨率的結(jié)構(gòu)部分合并后，然后用梯度下降法搜索最接近且滿足重構(gòu)約束的高分辨率圖像。

采用上述技術(shù)方案后，本發(fā)明至少具有如下有益效果：

(1)本發(fā)明在前人工作基礎(chǔ)上，在訓(xùn)練樣本的過(guò)程中提出利用圖像塊的灰度共生矩陣提取特征并進(jìn)行分類(lèi)的訓(xùn)練方法，能夠針對(duì)性分類(lèi)訓(xùn)練對(duì)應(yīng)的樣本，然后根據(jù)分類(lèi)訓(xùn)練對(duì)應(yīng)的字典對(duì)用于后續(xù)的超分辨率重構(gòu)，更能準(zhǔn)確地提高重構(gòu)圖像分辨率。

(2)本發(fā)明利用重構(gòu)圖像的MS_G模型：既可以保證分解后的結(jié)構(gòu)部分的光滑性，避免階梯效應(yīng)，又可以使得分解后的紋理部分圖像能夠很好的體現(xiàn)圖像的紋理信息，最后會(huì)得到更好的重構(gòu)效果。

附圖說(shuō)明

圖1本發(fā)明一種圖像超分辨率重構(gòu)方法的訓(xùn)練過(guò)程流程圖；

圖2本發(fā)明一種圖像超分辨率重構(gòu)方法的重構(gòu)過(guò)程流程圖。

具體實(shí)施方式

需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互結(jié)合，下面結(jié)合附圖和具體實(shí)施例對(duì)本申請(qǐng)作進(jìn)一步詳細(xì)說(shuō)明。

如圖1和圖2所示，本發(fā)明提供一種圖像超分辨率重構(gòu)的方法，主要包括訓(xùn)練和重構(gòu)兩大部分，重點(diǎn)在于重構(gòu)部分。

其中，訓(xùn)練部分步驟流程圖如圖1所示，重構(gòu)部分如圖2所示，本發(fā)明包括以下步驟：

(1)訓(xùn)練：

S1、將高分辨率圖像進(jìn)行降采樣和插值處理，得到低分辨率圖像的插值圖像，使用濾波器對(duì)低分辨率圖像的插值圖像進(jìn)行處理，得到插值圖像的灰度共生矩陣；

S2、將灰度共生矩陣進(jìn)行求熵處理得到熵值，判斷熵值是否為0，若熵值大于0，得到豐富紋理圖像塊；若熵值等于0，則得到平滑均勻圖像塊；

S3、將豐富紋理圖像塊進(jìn)行訓(xùn)練得到豐富紋理的高分辨率和低分辨率圖像；

S4、還可以將步驟S1中的高分辨率圖像利用求出來(lái)的灰度共生矩陣進(jìn)行提取特征，可直接得到平滑均勻圖像塊；

S5、將平滑均勻圖像塊訓(xùn)練得到平滑均勻的高分辨率和低分辨率圖像；

S6、結(jié)合豐富紋理的高分辨率和低分辨率圖像、平滑均勻的高分辨率和低分辨率圖像，得到高低分辨率字典對(duì)。

(2)重構(gòu)：

S7、輸入低分辨率圖像，對(duì)其使用雙三插值法進(jìn)行插值處理，得到低分辨率圖像的插值圖像；

S8、利用基于Mumford-Shah模型分解技術(shù)或G空間的圖像紋理結(jié)構(gòu)分解技術(shù)，將低分辨率的插值圖像分解為低分辨率的結(jié)構(gòu)部分、紋理部分，舍棄低分辨率的紋理部分；

S9、將步驟S7的低分辨率圖像的插值圖像進(jìn)行提取特征，得到低分辨率圖像特征；

S10、根據(jù)步驟S6得到的高低分辨率字典對(duì)，對(duì)低分辨率圖像特征進(jìn)行稀疏重建，得到高分辨率圖像紋理部分：設(shè)低分辨率圖像特征為F_y，高低分辨率字典對(duì)分別為D_h、D_l，高分辨率圖像紋理部分為X_v：

(1)低分辨率圖像特征F_y，求優(yōu)化問(wèn)題得到α^*，其中λ表示分辨率轉(zhuǎn)換系數(shù)；

(2)根據(jù)X_v＝D_hα^*，得到高分辨率紋理部分X_v；

S11、將高分辨率圖像紋理部分與步驟S4中低分辨率的結(jié)構(gòu)部分合并，得到重構(gòu)后的高分辨率圖像，然后用梯度下降法搜索最接近且滿足重構(gòu)約束的高分辨率圖像。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以理解的是，在不脫離本發(fā)明的原理和精神的情況下可以對(duì)這些實(shí)施例進(jìn)行多種等效的變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同范圍限定。