基于非局部高斯过程回归的图像超分辨方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105550989A(43)申请公布日2016.05.04(21)申请号201510902416.7(22)申请日2015.12.09(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人高新波王海军李洁路文何立火张凯兵(74)专利代理机构陕西电子工业专利中心61205代理人王品华黎汉华(51)Int.Cl.G06T3/40(2006.01)G06T5/50(2006.01)权利要求书3页说明书7页附图2页(54)发明名称基于非局部高斯过程回归的图像超分辨方法(57)摘要本发明公开了一种基于非局部高斯过程回归的图像超分辨方法，主要解决现有技术在纹理区域上超分辨效果不佳的问题。其实现步骤为：1.对输入图像进行非局部图像块网格采样，构造训练样本集；2.基于训练样本集学习高斯过程回归模型；3.对测试图像预处理并生成测试样本集；4.在测试样本集上应用学习好的高斯过程回归模型，预测并输出超分辨图像。本发明充分利用输入图像本身存在的图像块自相似性，通过非局部采样获取更多的非局部相似性信息，使得高斯过程回归模型的训练更为高效。仿真实验表明，本发明具有较好的超分辨能力，重建的图像能恢复更多的细节信息，更接近真实的高分辨图像，可广泛应用于图像压缩、刑事侦查、高清娱乐等领域。CN105550989ACN105550989A权利要求书1/3页1.一种基于非局部高斯过程回归的图像超分辨方法，包括以下步骤：(1)输入一幅尺寸为IR×IC的低分辨彩色图像I，将其由红、绿、蓝RGB颜色空间转换为亮度图像IY、蓝色色度图像ICb、红色色度图像ICr构成的YCbCr颜色空间；(2)从亮度图像IY生成规模为n的非局部训练样本集D：(2a)根据亮度图像IY得到辅助插值高频图像I′I和高频图像I′Y；(2b)按照光栅扫描顺序基于间隔λ从辅助插值高频图像I′I网格采样出尺寸为p×p的初始图像块集合其中λ为正整数，取值范围介于[1,10]；(2c)剔除掉初始图像块集合P1中块标准差小于设定阈值θ的图像块，得到规模为n的修剪图像块集合其中θ为取值范围介于[0,3]之间的实数；(2d)在高频图像I′Y中提取与修剪图像块集合P对应的图像块，并得到这些图像块的中心像素集合(2e)根据(2c)和(2d)构成规模为n的训练样本集合其中<xi,yi>表示xi与yi构成的二元组；(2f)对训练样本集合中每个样本<xi,yi>用xi和yi分别除以xi的2范数‖xi‖进行标准化，即<xi,yi>←<xi/‖xi‖,yi/‖xi‖>,其中n为训练样本的总个数；(3)基于训练样本集D学习出高斯过程回归模型M，得到从图像块xi到对应高分辨图像块中心像素丢失的高频分量yl之间的映射；(4)根据亮度图像IY得到插值均值图像SM和高斯过程回归模型的测试集Q；(5)对蓝色色度图像ICb、红色色度图像ICr进行双立方Bicubic插值，得到尺寸为(F×IR)×(F×IC)的插值红色色度空间SCb和插值蓝色色度空间SCr，其中F为超分辨放大倍数；(6)基于回归模型的测试集Q，应用步骤(3)中学习好的高斯过程回归模型M，回归出超分辨高频图像S′Y；(7)将超分辨高频图像S′Y与插值均值图像SM相加，得到初始超分辨亮度图像SY；(8)对初始超分辨亮度图像SY应用反向投影迭代，得到最终超分辨亮度图像SF；(9)将最终超分辨亮度图像SF与插值蓝色色度空间SCb、插值红色色度空间SCr进行合并，得到YCbCr颜色空间下的超分辨图像，并将其转换到RGB颜色空间下，输出最终的超分辨图像。2.根据权利要求1所述的基于非局部高斯过程回归的自适应图像超分辨方法，其特征在于：步骤(2a)根据亮度图像IY得到辅助插值高频图像I′I和高频图像I′Y，按如下步骤进行：(2a1)对亮度图像IY进行F倍下采样得到下采样图像ID，其中F为超分辨放大倍数；(2a2)对下采样图像ID进行F倍双立方插值得到尺寸与亮度图像IY相同的辅助插值图像II；(2a3)对辅助插值图像II进行均值滤波得到同尺寸的辅助均值图像IM；(2a4)用辅助插值图像II减去辅助均值图像IM得到辅助插值高频图像I′I，(2a5)用亮度图像IY减去辅助均值图像IM得到高频图像I′Y。3.根据权利要求1所述的基于非局部高斯过程回归的自适应图像超分辨方法，其特征2CN105550989A权利要求书2/3页在于：所述步骤(3)基于训练样本集D学习出高斯过程回归模型M，按如下步骤进行：(3a)对于任意两个样本的输入x和x′，定义核函数k(x,x′)为：T其中x为x的转置，δ为Kroneckerdelta函数，即σf、l、c和σn为核函数中4个不同的超参数，且σf为信号标准差，l