基于稀疏域選取的單幀圖像超分辨重建方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體設(shè)及一種單帖圖像的超分辨重建方法，可應(yīng) 用于醫(yī)學(xué)成像、高清影視成像、遙感監(jiān)測(cè)、交通及安全監(jiān)控等領(lǐng)域。
【背景技術(shù)】
[0002] 圖像作為人類(lèi)記載客觀世界信息的載體，在人類(lèi)生產(chǎn)生活中發(fā)揮著重要作用。然 而受成像系統(tǒng)設(shè)備狀況、成像環(huán)境和有限網(wǎng)絡(luò)數(shù)據(jù)傳輸帶寬等條件的限制，成像過(guò)程往往 存在運(yùn)動(dòng)模糊、下采樣和噪聲污染等退化過(guò)程，使得實(shí)際得到的圖像分辨率底、細(xì)節(jié)紋理丟 失、視覺(jué)質(zhì)量差。為此，圖像的超分辨重建技術(shù)作為提高圖像分辨率、恢復(fù)圖像紋理細(xì)節(jié)、提 高圖像視覺(jué)效果的有效手段具有重要的理論和應(yīng)用價(jià)值。
[0003] 目前，圖像超分辨重建技術(shù)可W分為Ξ類(lèi):基于插值、基于重建和基于實(shí)例學(xué)習(xí)的 方法。
[0004] 基于插值的方法，是圖像超分辨重建技術(shù)中最為基礎(chǔ)的技術(shù)，該方法利用確定的 插值核函數(shù)或者自適應(yīng)的插值核函數(shù)估計(jì)圖像網(wǎng)格上的未知像素值，常見(jiàn)的方法有最近鄰 插值、雙立方插值和自適應(yīng)核插值等。此類(lèi)方法簡(jiǎn)單高效并且計(jì)算復(fù)雜度低，但是較難W選 擇合適的插值函數(shù)獲得高質(zhì)量的重建圖像。
[0005] 基于重建的方法，假設(shè)觀測(cè)到的低分辨率圖像是原始圖像經(jīng)過(guò)退化模型得到的結(jié) 果，通常結(jié)合圖像的平滑邊緣、冗余自相似等先驗(yàn)知識(shí)來(lái)構(gòu)造正則項(xiàng)，從而使得原始的病態(tài) 逆問(wèn)題具有可行解。典型的基于重建的算法包括最大后驗(yàn)概率方法和迭代反投影法等。該 類(lèi)方法雖然可W重建出高頻紋理和抑制虛假輪廓，但是在圖像放大倍數(shù)較高時(shí)，重建結(jié)果 并不理想。
[0006] 基于實(shí)例學(xué)習(xí)的方法首先在學(xué)習(xí)階段通過(guò)學(xué)習(xí)低分辨率圖像和高分辨率圖像的 映射關(guān)系，然后在重建階段將學(xué)好的映射關(guān)系應(yīng)用于低分辨率輸入圖像來(lái)重建高分辨率輸 出圖?象。Chan邑等人在"H.Chan邑，D.Y. Yeung and Υ.Xion邑，"Super-resolution through neighbor embeddingin Proc. IEEE Conf.Comput. Vis . Pattern Recognit.,2004, pp. 275-282." -文中假設(shè)對(duì)應(yīng)的高低分辨率圖像塊在各自特征空間形成相似的局部流 形，將低分辨率特征上計(jì)算的局部權(quán)值應(yīng)用到高分辨率特征，進(jìn)行超分辨重建。該類(lèi)方法需 要在大規(guī)模的訓(xùn)練數(shù)據(jù)集中尋找相似模式，計(jì)算效率較低;Yang等人在"J.化ng，J. Wright， Τ.Huang,and Y.Ma,"Image super-resolution via sparse representation ,"IEEE Trans. Image Process. , vol. 19,no. 11 ,pp. 2861-2873,Nov. 2010/'一文中將稀疏表示理論 應(yīng)用于圖像超分辨重建，通過(guò)聯(lián)合訓(xùn)練過(guò)完備的低分辨率和高分辨率字典對(duì)低分辨率和高 分辨率圖像空間進(jìn)行建模。假設(shè)對(duì)應(yīng)的低分辨率和高分辨率圖像塊在低分辨率和高分辨率 的字典上具有相同的重建系數(shù)，將輸入的測(cè)試圖像在低分辨率字典上進(jìn)行編碼后，應(yīng)用該 編碼系數(shù)在高分辨率字典上進(jìn)行重建，該方法可W獲得豐富的紋理和邊緣細(xì)節(jié)，在圖像的 重建質(zhì)量上取得了里程碑式的進(jìn)展；Zeyde等人在"R. Zeyde ,M.Elad,and M.Protter/'On single image scale-up using sparse-representationsin Proc.Int.Conf. Curves and Surfaces，2010，pp.711-730-文中改進(jìn)了化ng等人基于聯(lián)合字典學(xué)習(xí)的框架，并提 升了算法執(zhí)行速度。目前該類(lèi)基于稀疏編碼和字典學(xué)習(xí)的方法框架在訓(xùn)練階段首先假設(shè)高 分辨率和低分辨率圖像塊之間具有相同的重建系數(shù)，然后聯(lián)合訓(xùn)練高分辨率和低分辨率的 字典。但是考慮到在重建階段僅可W獲得低分辨率圖像的信息，通過(guò)聯(lián)合訓(xùn)練得到的字典 對(duì)并不能確保重建的低分辨率和高分辨率圖像塊之間的映射關(guān)系，所W該假設(shè)一定程度上 限制住了此類(lèi)方法對(duì)復(fù)雜圖像塊映射關(guān)系建模的靈活性和準(zhǔn)確性，表現(xiàn)在重建的圖像邊緣 細(xì)節(jié)具有一定的振鈴效應(yīng)和人工痕跡。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于針對(duì)目前基于稀疏編碼和字典學(xué)習(xí)圖像超分辨重建技術(shù)中的 不足，提出一種基于稀疏域選取的單帖圖像超分辨重建方法，W更靈活準(zhǔn)確地在低分辨率 圖像特征與高分辨率圖像特征之間建立稀疏域映射關(guān)系，從而提高圖像重建質(zhì)量，恢復(fù)更 多的細(xì)節(jié)紋理信息。
[0008] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案包括W下步驟：
[0009] (1)根據(jù)圖像訓(xùn)練集分別構(gòu)建低分辨率圖像訓(xùn)練集/?和高分辨率圖像訓(xùn)練集
[0010] (2)根據(jù)低分辨率圖像訓(xùn)練集^構(gòu)建低分辨率特征訓(xùn)練集Xs;
[0011] (3)根據(jù)高分辨率圖像訓(xùn)練集./,y構(gòu)建高分辨率特征訓(xùn)練集Ys;
[001。 （4)根據(jù)低分辨率特征訓(xùn)練集X泳解出低分辨率字典。謝低分辨率特征編碼系數(shù) Bi;
[0013] (5)根據(jù)高分辨率特征訓(xùn)練集Ys和低分辨率特征編碼系數(shù)Bi求解出高分辨率字典 的迭代初始值Φω;
[0014] (6)建立稀疏域選取的優(yōu)化目標(biāo)公式：
[0015]
[0016] 其中，α是稀疏域映射誤差項(xiàng)系數(shù)，取值為0.1 ;0是^范數(shù)優(yōu)化正則項(xiàng)系數(shù)，取值為 0.01; 丫是映射矩陣正則項(xiàng)系數(shù)，取值為0.01; Oh是待求的高分辨率字典，Bh是待求的高分 辨率特征編碼系數(shù)，Μ是待求的低分辨率特征編碼系數(shù)到高分辨率特征編碼系數(shù)的映射矩 陣，奶，i表示高分辨率字典Oh的第i項(xiàng)原子，11 · I Ii表示1范數(shù)，11 · I h表示2范數(shù)，11 · I If 表示F范數(shù)，V;'表示對(duì)任意i項(xiàng)字典原子操作；
[0017] (7)根據(jù)稀疏域選取的優(yōu)化目標(biāo)公式和高分辨率字典的初始值Oho,交替迭代求解 高分辨率字典Φ h、高分辨率特征編碼系數(shù)Bh、低分辨率特征編碼系數(shù)到高分辨率特征編碼 系數(shù)的映射矩陣M;
[0018] (8)輸入低分辨率測(cè)試圖像Jf，并根據(jù)低分辨率測(cè)試圖像/f.、低分辨率字典Φι、 映射矩陣Μ和高分辨率字典Φ h，獲得高分辨率特征Yr ;
[0019] (9)根據(jù)高分辨率特征Yr和低分辨率現(xiàn)聯(lián)圖像/f.，重構(gòu)輸出高分辨率圖像。
[0020]本發(fā)明與現(xiàn)有技術(shù)相比，具有W下優(yōu)點(diǎn)：
[0021] 1)對(duì)低分辨率字典的訓(xùn)練更加準(zhǔn)確
[0022] 本發(fā)明通過(guò)對(duì)低分辨率字典的訓(xùn)練與高分辨率字典的訓(xùn)練去禪合，保證了低分辨 率字典訓(xùn)練的準(zhǔn)確性。
[0023] 2)對(duì)具有復(fù)雜紋理和銳利邊緣的圖像具有更好的重建質(zhì)量
[0024] 本發(fā)明通過(guò)對(duì)高分辨率特征的稀疏表示誤差和稀疏域映射誤差建立優(yōu)化目標(biāo)式， 不僅能夠保證高分辨率字典的訓(xùn)練質(zhì)量，而且更準(zhǔn)確地描述稀疏域的映射關(guān)系，從而在對(duì) 具有復(fù)雜紋理和銳利邊緣的圖像進(jìn)行超分辨重建時(shí)，具有較更高的重建質(zhì)量。
【附圖說(shuō)明】
[0025] 圖1是本發(fā)明的總體流程圖；
[0026] 圖2是本發(fā)明在仿真實(shí)驗(yàn)中使用的2幅高分辨率圖像；
[0027] 圖3是使用本發(fā)明和現(xiàn)有的四種經(jīng)典方法對(duì)蝴蝶圖像進(jìn)行超分辨重建得到的結(jié)果 圖像；
[0028] 圖4是使用本發(fā)明和現(xiàn)有的四種經(jīng)典方法對(duì)帽子圖像進(jìn)行超分辨重建得到的結(jié)果 圖像。
【具體實(shí)施方式】
[0029] 下面結(jié)合具體實(shí)例對(duì)本發(fā)明的技術(shù)方案作詳細(xì)說(shuō)明。
[0030] 參照?qǐng)D1，本發(fā)明的具體實(shí)施步驟如下：
[0031] 步驟1.根據(jù)圖像訓(xùn)練集分別構(gòu)建低分辨率圖像訓(xùn)練集/?和高分辨率圖像訓(xùn)練集 厶;
[0032] (la)收集多幅彩色高分辨率的自然圖像作為圖像訓(xùn)練集；
[0033] (化)使用實(shí)驗(yàn)軟件MATLAB中的rgb2ycbcr函數(shù)將圖像訓(xùn)練集從紅、綠、藍(lán)RGB顏色 空間轉(zhuǎn)換到亮度、藍(lán)色色度、紅色色度的YCb化顏色空間；
[0034] (Ic)從亮度、藍(lán)色、紅色的YCbCr顏色空間的圖像集中取出亮度圖像集作為高分辨 率圖像訓(xùn)練I
,其中皆表示第P幅高分辨率圖像，Ns表示高分辨率圖像的數(shù) 量；
[00