1.一种图像超分辨率重建方法,其特征在于,所述方法包括以下步骤:
将低分辨特征空间和高分辨特征空间构造成多个成对设置的低分辨特征子空间和高分辨特征子空间;
在成对设置的所述低分辨特征子空间和所述高分辨特征子空间之间建立线性映射关系;
根据所述线性映射关系将低分辨率重构图像重构成高分辨率重构图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述线性映射关系将低分辨率重构图像重构成高分辨率重构图像的步骤包括:
从所述低分辨率重构图像提取出低分辨率重构图像块的低分辨率重构图像块特征;
确定所述低分辨率重构图像块特征所对应的所述低分辨特征子空间;
根据确定所述低分辨特征子空间的所述线性映射关系将所述低分辨率重构图像块特征映射成高分辨率重构图像块特征;
将所述高分辨率重构图像块特征添加到所述低分辨率重构图像块中。
3.根据权利要求1所述的方法,其特征在于,所述将低分辨特征空间和高分辨特征空间构造成多个成对设置的低分辨特征子空间和高分辨特征子空间的步骤包括:
获取低分辨训练图像集与高分辨训练图像集,其中所述低分辨训练图像集中包括至少一低分辨训练图像,所述高分辨训练图像集中包括与所述低分辨训练图像成对设置的高分辨训练图像;
从所述低分辨训练图像和所述高分辨训练图像中提取成对设置的低分辨训练图像块和高分辨训练图像块的低分辨训练图像块特征和高分辨训练图像块特征,进而形成低分辨训练图像块特征集和高分辨训练图像块特征集;
将所述低分辨训练图像块特征集聚类成多个低分辨训练图像块特征子集;
根据所述多个低分辨训练图像块特征子集将所述高分辨训练图像块特征集对应的划分成多个高分辨训练图像块特征子集。
4.根据权利要求3所述的方法,其特征在于,所述获取低分辨训练图像集与高分辨训练图像集的步骤包括:
获取所述高分辨训练图像集;
对所述高分辨训练图像集中的高分辨率训练图像进行n倍下采样;
通过插值方式对所述n倍下采样后的高分辨率训练图像进行n倍上采样,进而形成所述低分辨训练图像集中的低分辨训练图像,其中n为大于或等于2的正整数。
5.根据权利要求3所述的方法,其特征在于,所述从所述低分辨训练图像和所述高分辨训练图像中提取成对设置的低分辨训练图像块和高分辨训练图像块的低分辨训练图像块特征和高分辨训练图像块特征的步骤包括:
将所述高分辨训练图像与所述低分辨训练图像进行相减;
在相减后的图像上进行提取与所述低分辨训练图像块对应的图像块并作为所述高分辨训练图像块特征。
6.根据权利要求3所述的方法,其特征在于,所述将所述低分辨训练图像块特征集聚类成多个低分辨训练图像块特征子集的步骤包括:
利用主分成分析算法对所述低分辨训练图像块特征集进行维数约简,再利用k-means聚类算法将约简后的所述低分辨训练图像块特征集聚类成多个所述低分辨训练图像块特征子集,并获取每个所述低分辨训练图像块特征子集所对应的聚类中心。
7.根据权利要求3所述的方法,其特征在于,所述在成对设置的所述低分辨特征子空间和所述高分辨特征子空间之间分别建立线性映射关系的步骤包括:
根据成对设置的所述低分辨训练图像块特征子集和所述高分辨图像块特征子集形成成对设置的低分辨子字典和高分辨子字典;
利用成对设置的所述低分辨子字典和所述高分辨子字典形成线性映射矩阵。
8.根据权利要求7所述的方法,其特征在于,所述根据成对设置的所述低分辨训练图像块特征子集和所述高分辨图像块特征子集形成成对设置的低分辨子字典和高分辨子字典的步骤包括:
根据所述低分辨训练图像块特征子集形成所述低分辨子字典以及对应的多个表示系数;
在假定成对设置的所述低分辨子字典和所述高分辨子字典采用相同的表示系数的情况下,根据所述多个表示系数形成所述高分辨子字典。
9.根据权利要求7所述的方法,其特征在于,所述利用成对设置的所述低分辨子字典和所述高分辨子字典形成线性映射矩阵的步骤包括:
利用脊回归算法根据所述低分辨子字典和所述高分辨子字典形成所述线性映射矩阵。
10.根据权利要求7所述的方法,其特征在于,所述根据所述线性映射关系将低分辨率重构图像重构成高分辨率重构图像的步骤包括:
根据所述高分辨率重构图像和所述低分辨率重构图像的分辨率倍数通过插值方式对所述低分辨率重构图像进行上采样;
从上采样后的所述低分辨率重构图像提取低分辨率重构图像块的低分辨率重构图像块特征;
确定所述低分辨率重构图像块特征所对应的所述低分辨训练图像块特征子集;
根据所述低分辨训练图像块特征子集的线性映射矩阵将所述低分辨率重构图像块特征映射成高分辨率重构图像块特征;
将所述高分辨率重构图像块特征添加到所述低分辨率重构图像块中;
根据添加后的所述低分辨率重构图像块形成所述高分辨率重构图像。