一种基于双层模型的单幅图像超分辨率重建方法.pdf

(19)中华人民共和国国家知识产权局*CN103279933A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103279933103279933A(43)申请公布日2013.09.04(21)申请号201310225721.8(22)申请日2013.06.07(71)申请人重庆大学地址400030重庆市沙坪坝区沙正街174号(72)发明人龚卫国李进明李伟红王立潘飞宇李正浩杨利平(74)专利代理机构重庆华科专利事务所50123代理人康海燕(51)Int.Cl.G06T5/00(2006.01)权权利要求书2页利要求书2页说明书7页说明书7页附图5页附图5页(54)发明名称一种基于双层模型的单幅图像超分辨率重建方法(57)摘要一种基于双层模型的单幅图像超分辨率重建方法，其包括（1）利用L0梯度最小化方法和HoG算子生成K个训练簇，然后训练它的对应字典对；（2）依据HoG算子，自适应的选取用于测试的低分辨率图像块对应的几何字典对，并求解出低分辨率图像对应的高分辨率纹理细节图像；（3）利用L0梯度最小化方法求解出用于测试的低分辨率图像对应的高分辨率边缘结构图像；（4）把求解出的高分辨率纹理细节图像加到高分辨率边缘结构图像上得到初始高分辨率图像；（5）对初始高分辨率图像进行全局和局部约束得到最终高分辨率图像。本发明可以使得重建后的图像轮廓更清晰，细节信息更丰富，提高重建后的图像质量。CN103279933ACN103279ACN103279933A权利要求书1/2页1.一种基于双层模型的单幅图像超分辨率重建方法，所述方法包括以下步骤：（1）从高分辨图像库中随机选取n幅作为训练图像X1,X2,…Xn，然后运用退化模型式（1）生成对应的低分辨率训练图像Y1,Y2,…Yn；Y=UBX(1)其中，向量X表示高分辨率图像，向量Y表示对应的低分辨率图像，矩阵U表示下采样算子,矩阵B表示模糊算子；（2）对所有低分辨率训练图像Yi进行L0梯度最小化操作，生成高分辨率边缘结构图像，然后执行Xi与的相减操作，生成高分辨率纹理细节图像；（3）对所有的低分辨率训练图像Yi执行尺寸为3×3的分块操作，随机选取P个低分辨率图像块，并以向量yi来表示，不失一般性，用矩阵表示尺寸为3×3的块，其向量表示为[123456789]T，并获取对应的尺寸为3s×3s高分辨率纹理细节图像块,并以向量来表示，最后聚集它们，生成P个训练对其中，P经验的选取范围在8-10万块间，s表示重建倍数；（4）计算训练对中yi的方向梯度直方图（HoG），然后依据yi的HoG中的方向值，用K-means算法对训练对进行分簇，得到K个簇C1，C2，...CK，其中CK表示第K个簇中具有相同方向值的训练对集合k表示在第K簇中训练对的数目；ii1（5）用式（2）训练K个簇C1，C2，...CK的字典对(Dl，DT)，得到K个字典对{(Dl，122KKDT),(Dl，DT),...(Dl，DT)}；其中，表示第i个簇中所有xT集合，yi表示第i个簇中所有y集合，λ为正则化参数，N和M为和yk中像素的数目，S为稀疏系数；（6）对于一幅用于测试的尺寸为H×L（高×宽）的低分辨率图像Z，将Z分成尺寸为3×3的块，并以向量Zi来表示，块与块之间重叠2个像素；（7）对所有Zi进行以下遍历操作：首先，任取一个Zi，计算Zi与C1，C2，...CK的簇中心ii距离：d1，d2，...，dK,提取最小的di对应簇的字典对(Dl，DT)，然后，利用式（2）求解出对应的高分辨率纹理细节图像块；（8）拼接由步骤（7）求出的所有高分辨率纹理细节图像块，组成初始的高分辨率纹理细节图像XT；（9）用L0梯度最小化方法求解测试图像Z的高分辨率边缘结构图像XE；2CN103279933A权利要求书2/2页000（10）获取Z的初始高分辨率图像X（X=XE+XT）,然后对X执行全局和局部的约束，得到最终的高分辨率重建图像X*。2.根据权利要求1所述的基于双层模型的单幅图像超分辨率重建方法，其特点在于步骤（2）中利用L0梯度最小化方法来获取高分辨率边缘结构图像和高分辨率纹理细节图像，过程如下：（2a）获取高分辨率边缘结构图像的目标函数：其中，式（3）中第一项定义为保真项，式（3）中第二项表示对待求高分辨率图像进行梯度最小化约束，即和表示在像素p点的水平和垂直方向的梯度，#表示计数，β是平衡参数，作用是最大程度上保持处理前后的图像具有相似的结构；（2b）通过引入辅助变量hp、vp，（2a）中目标函数式（3）被转换为：其中，γ是自适应参数，作用是控制变量(hp,vp)和其对应梯度之间的相似性；（2c）对（2b）中的目标函数式（4）进行如下方法求解，①固定（h，v），用梯度下降法求解X，②固定X，用梯度下降法求解（h，v）,