取K个所述初始目标高分辨率图像的高分辨率图 像片作为K个初始类簇中心；采用所述K均值聚类算法对所述初始目标高分辨率图像进行 聚类分析，从而获得K个初始类簇；对每个所述初始类簇训练对应的子字典；将每个所述高 分辨率图像片所归属的所述初始类簇对应的子字典作为所述超完备字典。也即，对目标高 分辨率图像X，采用K均值聚类将不同尺度图像的图像片分割成K个类簇，并且对每个图像 片类簇训练一个子字典，随后，对于每个图像片，它所归属的子字典被自动地选取当作图像 信号稀疏表不的超完备字典。
[0091 ] S52,根据梯度直方图保持不变算法更新所述变换函数F。
[0092] 本步骤中，采用管所建立的反卷积模型来估计参考题都直方图匕。假设梯度图像 Vx的所有像素是独立同分布，则它的归一化直方图被认为标量随机变量X的概率密度函数 的离散形式。令其中，u是加性高斯白噪声服从分布，事实上，噪声偏差 在很多图像处理应用领域中是未知的，因此，本实施例利用主成分分析法提取低分辨率图 像中不含高频信息的低秩图像片来估计图像噪声标准偏差σ "。
[0093] 所述目标高分辨率图像X和所述低分辨率图像y满足图像观测模型：y = DHx+v;其中，退化矩阵D表示下采样算子，退化矩阵Η表示模糊算子；根据所述图像 观测模型，利用卷积算法获得所述目标高分辨率图像X的参考梯度直方图其中，
;其中，4是对所述低分辨率图像利用双三次 插值得到的上采样图像的梯度直方图；hx是随机变量X的概率密度函数的离散形式，hg是独 立同分布随机变量g的概率密度函数的离散形式，P是常数，ROO是梯度直方图正则项， ?是卷积操作符；通过求解优化问题7x1', s. t. hF = i来更新变换函数F。
[0094] S53,根据所述超完备字典以及所述变换函数F更新所述初始目标高分辨率图像 Ip〇
[0095]
其中，表示第t次迭代的目标高分辨率图像估计值，矽表示第t+1/2次迭代的目标 高分辨率图像估计值，δ为常数，7Γ'·表示#的梯度图；
[0096]
,其中，表示第t+1/2次迭代的高分辨率 图像片Xl的稀疏系数，?【表示第t次迭代的高分辨率图像片Xl所归属的初始类簇对应的 子字典，民表示从初始目标高分辨率图像Ip在位置i处获取高分辨率图像片Xl的矩阵； [0097] 根据关于优化问题的循环迭代求解的稀疏编码系数修正公式
和ft 确定第t+1次
迭代的高分辨率图像片Xi的稀疏系数其中： 示用于调节衰减速度的控制参数，W表示归一化因子，i〔表示高分辨率图像片Xl的相似图 像片组，Sv。表示软阈值函数，c表示正则化参数；
[0098]
确定其中， 金^表示第t+ι次迭代的目标高分辨率图像，Φα+1)表示全…对应的超完备字典。
[0099] 重复执行步骤S51~步骤S53,获得收敛解为最终目标高分辨率图像χΗ。需要说 明的是，本实施例中，可以选择迭代总次数，或迭代误差作为收敛条件，也可以以迭代次数 或者相邻两次的迭代相对误差作为收敛条件。
[0100] 本实施例的技术方案，通过基于背投影算法的多级放大技术来估计初始目标高分 辨率图像，并综合利用数据保真度、稀疏非局部正则化和梯度直方图正则化先验进行数学 建模，通过最优化问题求解来获取最终的目标高分辨率图像，从而能够有效恢复低分辨率 图像的边缘和纹理信息，提高重建图像的质量。
[0101] 图3为本发明超分辨率图像重建装置实施例的结构示意图。如图3所示，本实施 例提供的超分辨率图像重建装置1〇〇具体可以包括：
[0102] 生成模块101，用于对输入的低分辨率图像y进行Ν次下采样，生成图像片库Β ;
[0103] 获取模块102,用于对所述低分辨率图像y的任一给定图像片Xl，采用近似最近邻 算法在所述图像片库B中获取相似图像片％ ;聚集重叠与所述相似图像片％对应的图像区 域rii，并根据与所述图像区域rii对应的权重系数，获得第一高分辨率图像r i;对所述第 一高分辨率图像Γ i采用背投影算法，获得第二高分辨率图像L，并将所述第二高分辨率 图像Ii加入所述图像片库B。
[0104] 所述获取模块102还可以用于：将所述第二高分辨率图像Ii作为新的低分辨率图 像y，获得第三高分辨率图像Γ P;将所述第三高分辨率图像Γ P放大P级后，采用双三次 插值对所述第三高分辨率图像Γ p进行下采样，获得放大倍数为z的初始目标高分辨率图 像IP。
[0105] 超分辨率图像重建装置100还可以包括计算模块103,用于对所述初始目标高分 辨率图像I P和所述低分辨率图像y采用交替最小化算法计算数学模型a y ;其中，所述数学 模型ct y为：
[0106]
[0107] s. t. hF = hr,
[0108] 其中，退化矩阵D表示下采样算子，退化矩阵Η表示模糊算子，λ和μ表示正则 化参数，ct i是所述给定图像片Xl的编码系数，α为a i的集合，β i是a i在稀疏编码域的 非局部均值，V表示梯度操作符，F是变换函数，匕是目标高分辨率图像X的参考直方图，hF 是变换的梯度图像i7 ( )的直方图。
[0109] 所述计算模块103具体可以用于采用K均值聚类算法获取超完备字典；根据梯度 直方图保持不变算法更新所述变换函数F;根据所述超完备字典以及所述变换函数F更新 所述初始目标高分辨率图像I p。
[0110] 所述计算模块103具体可以用于根据尺寸大小随机选取K个所述初始目标高分辨 率图像的高分辨率图像片作为K个初始类簇中心；采用所述K均值聚类算法对所述初始目 标高分辨率图像进行聚类分析，从而获得K个初始类簇；对每个所述初始类簇训练对应的 子字典；将每个所述高分辨率图像片所归属的所述初始类簇对应的子字典作为所述超完备 字典。
[0111] 所述计算模块103具体可以用于：所述目标高分辨率图像X和所述低分辨率图像 y满足图像观测模型：y = DHx+v ;其中，退化矩阵D表示下采样算子，退化矩阵Η表示模糊 算子；根据所述图像观测模型，利用卷积算法获得所述目标高分辨率图像X的参考梯度直 方图b ;其中：
；其中，hy是对所述低分辨率图 像利用双三次插值得到的上采样图像的梯度直方图；hx是随机变量X的概率密度函数的离 散形式，比是独立同分布随机变量g的概率密度函数的离散形式，p是常数，R(hx)是梯度 直方图正则项，參是卷积操作符；通过求解优化问题min^lFiVx丨-▽xll' s. t. hF =匕来 更新变换函数F。
[0112] 所述计算模块103具体可以用于：
[0113]
:确定，，，其中， 铲〗表示第t次迭代的目标高分辨率图像估计值，於表示第t+1/2次迭代的目标高分辨 率图像估计值，S为常数，ViW表示#3的梯度图；
[0114] 根据#@ 确定气其中，表示第t+1/2次迭代的高分辨率 图像片X1的稀疏系数，Φ【表示第t次迭代的高分辨率图像片X1所归属的初始类簇对应的 子字典，Ri表示从初始目标高分辨率图像Ip在位置i处获取高分辨率图像片Xl的矩阵；
[0115] 根据关于优化问题的循环迭代求解的稀疏编码系数修正公式
.和ft. 确定第t+i次 迭代的高分辨率图像片Xi的稀疏系数％?\其中，
其中，τ表 示用于调节衰减速度的控制参数，W表示归一化因子，f表示高分辨率图像片Xl的相似图 像片组，Sv。表示软阈值函数，c表示正则化参数；
[0116] .确定成.问其中， A ' ? 奶+:??表示第t+1次迭代的目标高分辨率图像，Φ (t+1)表示妙％对应的超完备字典。
[0117] 所述获取模块102还可以用于获得收敛解为最终目标高分辨率图像χΗ。
[0118] 本实施例提供的超分辨率图像重建装置，可用于执行上述方法实施例的技术方 案，其实现原理与技术效果类似，此处不再赘述。
[0119] 本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通 过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程 序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟 或者光盘等各种可以存储程序代码的介质。
[0120] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽 管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然 可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替 换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精 神和范围。
【主权项】
1. 一种超分辨率图像重建方法，其特征在于，包括： 步骤SI,对输入的低分辨率图像y进行N次下采样，生成图像片库B ; 步骤S2,对所述低分辨率图像y的任一给定图像片Xi,采用近似最近邻算法在所述图 像片库B中获取相似图像片Qi ; 步骤S3,聚集重叠与所述相似图像片Qi对应的图像区域rii，并根据与所述图像区域 对应的权重系数，获得第一高分辨率图像1' 1; 步骤S4,