一种基于双层模型的单幅图像超分辨率重建方法技术

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。本发明专利技术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。

【技术实现步骤摘要】

【技术保护点】
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matrix=123456789表示尺寸为3×3的块，其向量表示为[1?2?3?4?5?6?7?8?9]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；（5）用式（2）训练K个簇C1，C2，...CK的字典对(Dil，DiT)，得到K个字典对{(D1l，D1T),(D2l，D2T),...(DKl，DKT)}；argminDliDTs,S||Xi-DiS||22+λ||S||1---(2)其中，Xi=1NxTi1Myi,Di=1NDTi1MDli,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的簇中心距离：d1，d2，...，dK,提取最小的di对应簇的字典对(Dil，DiT)，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；（10）获取Z的初始高分辨率图像X0（X0=XE+XT）,然后对X0执行全局和局部的约束，得到最终的高分辨率重建图像X*。FDA00003320217800015.jpg,FDA00003320217800016.jpg,FDA00003320217800017.jpg,FDA000033202178000113.jpg,FDA00003320217800018.jpg,FDA00003320217800019.jpg,FDA000033202178000110.jpg,FDA000033202178000111.jpg,FDA000033202178000112.jpg,FDA000033202178000114.jpg,FDA000033202178000115.jpg,FDA00003320217800023.jpg,FDA00003320217800024.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：龚卫国，李进明，李伟红，王立，潘飞宇，李正浩，杨利平，
申请(专利权)人：重庆大学，
类型：发明
国别省市：