基于主动采样与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CN105447840A(43)申请公布日2016.03.30(21)申请号201510902499.X(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张凯兵宁贝佳高传清胡彦婷(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.G06T5/50(2006.01)权利要求书3页说明书8页附图3页(54)发明名称基于主动采样与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主动采样与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这一问题。其充分利用现有的大量外部自然图像构造训练集，以表征性和多样性为指标来度量样本信息量，从而提取出精简的训练子集，使得高斯过程回归模型的训练更为高效。实现步骤为：1.生成外部训练样本集，并对其进行主动采样得到训练子集；2.基于该训练子集学习出高斯过程回归模型；3.对测试图像预处理并生成测试样本集；5.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。本发明具有较强的超分辨能力，在纹理等区域能恢复更多的细节信息，可用于视频监控、刑事侦查、航空航天、高清娱乐、视频或图像压缩。CN105447840ACN105447840A权利要求书1/3页1.一种基于主动采样与高斯过程回归的图像超分辨方法，包括：(1)模型训练阶段：(1a)随机生成规模为n的初始训练样本集T；(1b)对初始训练集T进行主动采样，得到一个规模为r的训练子集T′：(1b1)初始化已选择的样本集合设候选样本集合(1b2)计算初始训练样本集T中每个样本xi的表征性R(xi)：其中为xi的邻域，为向量2范数的平方，σR为高斯距离函数带宽，其取值通过公式自适应确定,ρ∈[0,1]为尺度系数，median()函数返回输入集合的中位数；(1b3)计算候选样本集合中每个样本xi的多样性D(xi)：其中为已经选择的样本集合；(1b4)根据已选择的样本集合是否为空集按照下述准则从候选样本集合中挑选出当前最有信息量的样本如果为空集则直接从每个样本xi的表征性R(xi)中选取具有最大表征性的样本即否则，根据表征性R(xi)和多样性D(xi)的凸组合来度量样本信息量，进而选取出即其中λ∈[0,1]为组合系数；(1b5)从候选样本集合排除出当前最有信息量的样本并将添加进入已选择的样本集合(1b6)返回步骤(1b3)，直到中样本的个数达到规模值r，这里r远小于n；(1b7)令执行(1c)；(1c)基于训练子集T’训练出高斯过程回归模型M，得到从插值图像块xl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；(2)超分辨重建阶段：(2a)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IY、蓝色色度ICb、红色色度ICr构成的YCbCr颜色空间；并对蓝色色度ICb、红色色度ICr进行双立方Bicubic插值，得到尺寸为(F×IR)×(F×IC)的插值色度空间SCb、SCr，其中F为超分辨放大倍数；(2b)建立高斯过程回归模型测试集Q；(2b1)对IY进行双立方Bicubic插值，得到尺寸为(F×IR)×(F×IC)的插值亮度图像SI；2CN105447840A权利要求书2/3页(2b2)按照光栅扫描顺序以1为间隔采样SI中所有的p×p图像块，得到v个图像块集合(2c)初始化超分辨重建图像SH为插值亮度图像SI；(2d)回归预测；(2d1)以Q中每一个图像块为输入，通过训练出的高斯过程回归模型M回归出对应高分辨图像块中心像素丢失的高频分量(2d2)令并用替换初始超分辨重建图像SH中与对应的图像块中心像素；(2e)对初始超分辨重建图像SH应用反向投影迭代得到最终超分辨重建亮度图像SF；(2f)将最终超分辨重建亮度图像SF与蓝色插值色度空间SCb、红色插值色度空间SCr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，输出最终的超分辨彩色图像。2.根据权利要求1所述的基于主动采样与高斯过程回归的图像超分辨方法，其特征在于：步骤(1a)中随机生成规模为n的初始训练样本集T，按如下步骤进行：(1a1)构造插值图像Iq与高分辨图像Hq组成的外部训练图像对{Iq,Hq}，其中Iq为双立方Bicubic插值图像，Hq为对应的高分辨HR图像,q＝1,2,…,m，m为训练图像对的个数；(1a2)从m个训练图像对中随机选取n个p×p训练图像块对(1a3)提取每个训练块中高分辨HR图像块的中心像素，并以插值图像块的中心像素为均值进行减均值操作，得到训练集T：其中函数cen()表示返回图像