本发明公开了一种中间尺度约束的高倍率图像超分辨率重建方法,引入中间尺度图像的先验约束,构建高‑中‑低分辨率联合字典学习模型,训练高‑中‑低分辨率三元组字典;采用简单的上采样算法生成中间尺度图像,将输入的低分辨率图像进行中间尺度约束下的联合稀疏分解,获得稀疏表示系数;基于高分辨率字典合成超分辨率结果图像.本发明方法在基本不增加运算量的前提下,有效改善了高倍率超分辨率重建的图像保真度和清晰度.
发明专利
CN201710444725.3
2017.06.13
CN107203969A
2017-09-26
王中元 王若溪 韩镇 周立国 何政
武汉大学
G06T3/40(2006.01)I,G,G06,G06T,G06T3
G06T3/40(2006.01)I,G06K9/62(2006.01)I,G,G06,G06T,G06K,G06T3,G06K9,G06T3/40,G06K9/62
一种中间尺度约束的高倍率图像超分辨率重建方法,其特征在于,包括以下步骤:步骤1:获取若干高分辨率图像样本,制作高‑中‑低分辨率的训练图像块样本集{Sh,Sm,Sl};其中,Sh表示高分辨率图像块集合,Sm表示中等分辨率图像块集合,Sl表示低分辨率图像块集合;步骤2:建立联合稀疏表达模型,利用训练图像块样本集{Sh,Sm,Sl}训练高‑中‑低分辨率联合字典{Dh,Dm,Dl};其中,Dh、Dm、Dl分别代表高分辨率字典、中等分辨率字典、低分辨率字典;步骤3:运用图像上采样算法,对输入的低分辨率图像进行插值放大,生成中间尺度图像;步骤4:通过中间尺度图像约束的低分辨率图像稀疏分解,获得低分辨率图像块的稀疏域表达系数;步骤5:利用训练得到的高分辨率字典Dh和低分辨率图像块的稀疏域表达系数,重建最终的高分辨率图像.