【技术实现步骤摘要】
本专利技术属于图像处理
，涉及一种图像复原的方法，具体是一种基于自适应切换分析稀疏与合成稀疏正则化的图像复原方法，用于对已知模糊类型的模糊图像进行复原和对已知低分辨率图像复原为高分辨率图像。
技术介绍
图像在传输、处理、记录等过程中，由于模糊、下采样、噪声等影响导致图像质量下降。图像质量下降的过程可以表示为：y＝SBx+n上式中，x为原始高质量图像，B为模糊算子，S是下采样矩阵，n是加性高斯白噪声，y为退化图像。图像复原就是根据退化图像y求解未知高质量图像x的过程。当S为单位矩阵，B为模糊算子时，上述问题就成为图像去模糊；当S为下采样矩阵，B为模糊算子时，上述问题就成为图像超分辨率问题。图像复原是指从低质量图像中重建出高质量图像的过程，该过程是一个病态反问题，在求解该问题时往往需要引入图像先验知识，以先验作为反问题模型的正则项。常用的两种稀疏正则化是合成稀疏正则化和分析稀疏正则化，很多文献显示这两种正则化用于图像复原都取得了较好的效果。但是，这些文献在应用这两种稀疏正则化时都没有考虑图像块的特点，一些图像块更适合于采用合成稀疏正则化进行复原，一些图像块更适合于采用分析稀疏正则化进行复原，因此没有为图像块找到最佳的稀疏正则化。
技术实现思路
本专利技术的目的是克服现有技术中的不足，而提供一种基于自适应切换分析稀疏与合成稀疏正则化的图像复原方法。本专利技术的目的是通过以下技术方案实现的。这种...
【技术保护点】
一种基于自适应切换分析稀疏与合成稀疏正则化的图像复原方法，其特征在于，首先，对高质量的训练样本构成的集合聚类并为每一类样本训练一个合成稀疏子字典和一个分析稀疏子字典；然后，将训练的字典分别用于复原低质量的训练图像样本集合，统计各类采用每一种子字典的复原误差，根据误差大小自适应切换选择稀疏正则化；最后，在切换准则基础上建立了图像重建复原模型，并采用交替优化策略求解该模型。
【技术特征摘要】
2015.12.24 CN 201510989110X1.一种基于自适应切换分析稀疏与合成稀疏正则化的图像复原方法，其特征在于，首
先，对高质量的训练样本构成的集合聚类并为每一类样本训练一个合成稀疏子字典和一个
分析稀疏子字典；然后，将训练的字典分别用于复原低质量的训练图像样本集合，统计各类
采用每一种子字典的复原误差，根据误差大小自适应切换选择稀疏正则化；最后，在切换准
则基础上建立了图像重建复原模型，并采用交替优化策略求解该模型。
2.根据权利要求1所述的基于自适应切换分析稀疏与合成稀疏正则化的图像复原方
法，其特征在于，所述合成稀疏子字典和分析稀疏子字典，进一步包括：将高质量的训练样
本图像进行分块，分成大小为的相互重叠若干像素的图像子块，重叠像素个数小于
p，子块向量化后表示为xi∈Rp；首先，对输入的M个图像子块进行K均值聚类，采用主分量分
析法为每一类训练一个合成稀疏子字典，采用序列最小化特征值方法为每一类训练一个分
析稀疏子字典，得到K个类中心、合成稀疏子字典和分析稀疏子字典，分别记为μm、Φm，Ωm，m
＝1…K。
3.根据权利要求1所述的基于自适应切换分析稀疏与合成稀疏正则化的图像复原方
法，其特征在于，所述确定稀疏正则化切换准则，进一步包括：输入训练低质量图像集合，对
于图像去模糊，低质量图像是模糊图像；对于超分辨率重建，低质量图像是低分辨率图像经
插值放大后与目标图像相同大小的图像；对每一幅图像分成大小为的子块，由这些
子块构成子块集合，将子块与K个类中心具有最小欧氏距离的类作为该子块的类索引ki，ki＝1…K，为子块集合中的每个子块确定类索引；对类索引为ki的子块分别按合成稀疏子字
典分析稀疏子字典复原该子块，分别计算并记录合成稀疏、分析稀疏复原误差，为
子块集合中的每个子块记录复原误差；统计子块集合中具有相同类索引的子块的...
【专利技术属性】
技术研发人员：陈华华，吴志坚，严军荣，
申请(专利权)人：三维通信股份有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。