基于软阈值编码的快速图像超分辨方法技术

本发明专利技术公开了一种基于软阈值编码的快速图像超分辨方法。其步骤为：(1)输入待处理的低分辨图像；(2)获得待处理的低分辨图像块集；(3)获得高和低分辨训练图像块集；(4)计算高和低分辨字典；(5)获得高分辨图像块集；(6)获得高分辨图像。本发明专利技术将软阈值编码引入到图像超分辨领域来，克服了现有技术中采用稀疏表示从而导致的重构时间过程、引入噪声和不必要信息的缺陷，超分辨恢复的图像轮廓更加清晰，更加真实自然。

【技术实现步骤摘要】

本专利技术属于图像处理
，更进一步涉及自然图像处理
中的基于软 阈值编码的快速图像超分辨方法。本专利技术是将低分辨的图像进行超分辨，以得到一幅清晰 的高分辨图像，以便为图像后续的解译、目标识别、目标检测提供更准确、全面的信息。
技术介绍
图像超分辨技术是指从单幅或多幅低分辨率的图像中重建出一幅清晰的高分辨 率的图像的过程。在实际成像中，受成像系统物理分辨率限制，以及场景变化与天气等诸 多因素的影响，这导致成像系统只能得到质量较差、分辨率较低的图像，影响了对景物更全 面、清晰的描述。图像超分辨的目的是为了得到高分辨图像，增强和丰富了景物的细节内 容，以便为后续的图像处理与解译提供更准确、全面的信息。图像超分辨技术主要可以分为 基于插值、基于重建和基于学习三大类。目前单幅图像主要是基于低分辨-高分辨图像块 之间映射关系学习来实现图像的超分辨。 Yang, Wright 等人发表的论文 " Image Super-Resolution Via Sparse Representation''(IEEE Trans, on Image Processing vol. 19no. 11pp. 2861-2873. 2010) ψ 提出一种基于稀疏表示的图像超分辨方法。该方法将压缩感知的思想引入超分辨重构中， 通过稀疏表示的方法来获得低分辨和高分辨的字典对。当低分辨图像的稀疏表示通过压缩 感知的方法得到时，则高分辨图像的稀疏表示也相应的得到，从而可以有效地对低分辨图 像进行重建。但是该方法仍然存在的不足之处是，该方法是通过对低分辨图像进行完全重 构式地编码，造成在编码过程中引入噪声和不必要的信息，使得低分辨-高分辨图像块之 间映射不准确，严重影响了图像整体的恢复效果，同时该方法图像重建时间过长，导致效率 偏低。 Zeyde, Elad 等人发表的论文 "On Single Image Scale-Up Using Sparse Representations"（Springer Curves and Surfaces, pp. 7Il-73O. 2〇l2)中提出一种基于 稀疏表示的快速图像超分辨方法。该方法提出了先训练低分辨字典，进而通过稀疏表示关 系推导高分辨字典的超分辨方法，取得了较快的重建速度。但是该方法仍然存在的不足之 处是，该方法也是对低分辨图像进行完全重构式地编码，造成在编码过程中引入噪声和不 必要的信息，使得低分辨-高分辨图像块之间映射不准确，严重影响了图像整体的恢复效 果。同时，虽然该方法图像重建时间有明显的缩短，但是仍然无法满足实时图像超分辨的要 求。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺陷，提出一种基于软阈值编码的快速图 像超分辨方法，以在图像超分辨重建中，能够去除振铃和块效应这些人工痕迹，图像边缘锐 化明显，最终超分辨结果更加真实自然，同时该专利技术大大减少了图像超分辨的时间，达到了 实时图像超分辨的目的。 本专利技术的具体步骤如下： (1)输入待处理的低分辨图像： 输入一幅待处理的低分辨图像，设定待处理的低分辨图像的放大倍数为3 ; (2)得到待处理的低分辨图像块集： 对待处理的低分辨图像进行大小为3X3像素的分块，相邻块之间重叠1个像素， 得到待处理的低分辨图像块集； (3)得到高和低分辨训练图像块集： (3a)输入5幅高分辨训练图像，进行大小为9X9像素的分块，相邻块之间重叠3 个像素，得到Y个高分辨训练图像块，其中200000 < Y < 300000 ; (3b)输入5幅低分辨训练图像，进行大小为3X3像素的分块，相邻块之间重叠1 个像素，得到Y个低分辨训练图像块，其中200000 < Y < 300000 ; (3c)从Y个高分辨训练图像块中随机抽取10万个高分辨训练图像块，相应地从 Y个低分辨训练图像块相同位置随机抽取10万个低分辨训练图像块，得到高分辨训练图像 块集和低分辨训练图像块集； (4)计算高和低分辨字典： (4a)输入高分辨训练图像块集和低分辨训练图像块集，利用K-SVD的方法来初始 化高分辨字典和低分辨字典； (4b)利用梯度下降的方法，按照下式，求解高分辨字典和低分辨字典： 其中，min{ ·}表示最小化操作，H表示高分辨训练图像块集，B表示待求解的高分 辨字典，Se (·)表示输入为AtL的软阈值函数，Θ表示阈值参数，Θ = 〇. 〇2, A表示待求解 的低分辨字典，T表示转置操作，L表示低分辨训练图像块集，If表示矩阵的弗罗贝尼乌斯 范数； (5)获得高分辨图像块集： (5a)按照下式，求解得到待处理的低分辨图像块集的软阈值编码系数： Z = S0 (AtX) 其中，Z表示待处理的低分辨图像块集的软阈值编码系数，Se (·)表示输入为AtX 的软阈值函数，Θ表示阈值参数，Θ =0.02, A表示低分辨字典，T表示的转置操作，X表示 待处理的低分辨图像块集； (5b)按照下式，求解高分辨图像块集： K = BZ 其中，K表示高分辨图像块集，B表示高分辨字典，Z表示待处理的低分辨图像块集 的软阈值编码系数； (6)获得高分辨图像： 按照阵列式扫描方式，依次将高分辨图像块放入各自对应的高分辨图像位置中， 得到高分辨图像。 本专利技术与现有的技术相比具有以下优点： 第一，由于本专利技术采用软阈值函数来编码低分辨图像块集，克服了现有技术中采 用稀疏表示从而引入噪声和不必要的信息的缺陷，使得本专利技术能够成功地抑制噪声，可以 得到丰富的恢复图像细节信息，增强了恢复图像的清晰度。 第二，由于本专利技术采用软阈值函数来编码低分辨图像块集，克服了现有技术中采 用稀疏表示从而导致重构时间过长的缺陷，使得本专利技术能够快速地进行图像超分辨，达到 实时图像超分辨的目的。 第三，由于本专利技术采用K-SVD方法来初始化高和低分辨字典，然后采用梯度下降 的方法进一步求解高和低分辨字典，克服了现有技术中仅通过K-SVD方法来求解高和低 分辨字典导致高和低分辨图像块映射关系不准确的缺陷，使得本专利技术恢复的图像轮廓更清 晰，更加真实自然。【附图说明】 图1是本专利技术的流程图； 图2是本专利技术在仿真实验中使用的Butterfly低分辨测试图像； 图3是本专利技术在仿真实验中得到的Butterfly高分辨重建图像； 图4是使用现有技术的基于稀疏表示的图像超分辨方法，在仿真实验中得到的 Butterfly高分辨重建图像； 图5是使用现有技术的基于稀疏表示的快速图像超分辨方法，在仿真实验中得到 的Butterfly高分辨重建图像。【具体实施方式】 下面结合附图对本专利技术做进一步的描述。 参照附图1，本专利技术【具体实施方式】如下。 步骤1，输入待处理的低分辨图像。 输入一幅待处理的低分辨图像，设定待处理的低分辨图像的放大倍数为3。 本专利技术实施例中输入的待恢复的低分辨图像大小为86X86像素，参见附图2。 步骤2,得到待处理的低分辨图像块集。 对待处理的低分辨图像进行大小为3X3像素的分块，相邻块之间重叠1个像素， 得到待处理的低分辨图像块集。 步骤3,得到高和低分辨训练图像块集。 第1步，输入5幅高分辨训练图像，进行大小为9X9像素的分块，相邻块之间重叠 3个像素，得到Y个高分本文档来自技高网...

【技术保护点】
一种基于软阈值编码的快速图像超分辨方法，包括以下步骤：(1)输入待处理的低分辨图像：输入一幅待处理的低分辨图像，设定待处理的低分辨图像的放大倍数为3；(2)获得待处理的低分辨图像块集：对待处理的低分辨图像进行大小为3×3像素的分块，相邻块之间重叠1个像素，得到待处理的低分辨图像块集；(3)获得高和低分辨训练图像块集：(3a)输入5幅高分辨训练图像，进行大小为9×9像素的分块，相邻块之间重叠3个像素，得到Y个高分辨训练图像块，其中200000≤Y≤300000；(3b)输入5幅低分辨训练图像，进行大小为3×3像素的分块，相邻块之间重叠1个像素，得到Y个低分辨训练图像块，其中200000≤Y≤300000；(3c)从Y个高分辨训练图像块中随机抽取10万个高分辨训练图像块，相应地从Y个低分辨训练图像块相同位置随机抽取10万个低分辨训练图像块，得到高分辨训练图像块集和低分辨训练图像块集；(4)计算高和低分辨字典：(4a)输入高分辨训练图像块集和低分辨训练图像块集，利用K‑SVD的方法来初始化高分辨字典和低分辨字典；(4b)利用梯度下降的方法，按照下式，求解高分辨字典和低分辨字典：min{||H-B·Sθ(ATL)||F2}]]>其中，min{·}表示最小化操作，H表示高分辨训练图像块集，B表示待求解的高分辨字典，Sθ(·)表示输入为ATL的软阈值函数，θ表示阈值参数，θ＝0.02，A表示待求解的低分辨字典，T表示转置操作，L表示低分辨训练图像块集，表示矩阵的弗罗贝尼乌斯范数；(5)获得高分辨图像块集：(5a)按照下式，求解得到待处理的低分辨图像块集的软阈值编码系数：Z＝Sθ(ATX)其中，Z表示待处理的低分辨图像块集的软阈值编码系数，Sθ(·)表示输入为ATX的软阈值函数，θ表示阈值参数，θ＝0.02，A表示低分辨字典，T表示转置操作，X表示待处理的低分辨图像块集；(5b)按照下式，求解高分辨图像块集：K＝BZ其中，K表示高分辨图像块集，B表示高分辨字典，Z表示待处理的低分辨图像块集的软阈值编码系数；(6)获得高分辨图像：按照阵列式扫描方式，依次将高分辨图像块放入各自对应的高分辨图像位置中，得到高分辨图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：岳波，王爽，焦李成，滑文强，刘红英，罗萌，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61