专利名称：一种利用分析性稀疏表示的超分辨率图像重建方法
技术领域：
本发明属于图像分辨率增强技术领域，特别涉及一种利用分析性稀疏表示的超分辨率图像重建方法。
背景技术：
在大量的电子图像应用领域，人们经常期望得到高分辨率图像。高分辨率意味着图像中的像素密度高，能够提供更多的细节，而这些细节在许多实际应用中不可或缺。例如高分辨率医疗图像对于医生做出正确的诊断是非常有帮助的；使用高分辨率卫星图像就很容易从相似物中区别相似的对象；如果能够提供高分辨的图像，计算机视觉中的模式识别的性能就会大大提高。自从上世纪七十年代以来，电荷耦合器件(CCD) ,CMOS图像传感器已被广泛用来捕获数字图像。尽管对于大多数的图像应用来说这些传感器是合适的，但是当前的分辨率水平和消费价格不能满足今后的需求。—种很有前途的方法就是米用信号处理的方法从低分辨率(Low-Re so Iution,简称LR)图像重建出高分辨率(High-Resolution，简称HR)图像。最近这样的一种分辨率增强技术正成为最热的研究领域之一，在文献中人们把它叫超分辨率图像重建(Super-Resolution，简称SR)，或者简单地叫做分辨率增强。在克服低分辨率图像系统固有的分辨率限制方面，“超分辨率”术语中的“超”字代表了一个非常好的技术特性。信号处理方法最大的好处就是它的成本低，同时现存的低分辨率图像系统仍能使用。在许多实际应用中，特别是在医疗图像、卫星图像和视频等领域，同样场景的多帧低分辨率图像很容易得到的情况下，SR被证明是非常有用的。由于超分辨率重建技术在一定条件下，可以克服图像系统内在分辨率的限制，提高被处理图像的分辨率，因而在视频、遥感、医学和安全监控等领域具都有十分重要的应用。例如(I)在数字电视(DTV)向高清晰度电视(HDTV)过度阶段，仅有部分电视节目会以HDTV的形式播出，不少节目采用的是DTV的形式。因此，可以利用超分辨率重建技术将DTV信号转化为与HDTV接收机相匹配的信号，提高电视节目的兼容性；(2)在采集军事与气象遥感图像时，由于受到成像条件与成像系统分辨率的限制，不可能获得清晰度很高的图像，而通过利用超分辨率重建技术，在不改变卫星图像探测系统的前提下，可实现高于系统分辨率的图像观测；(3)在医学成像系统中(如CT、MRI和超声波仪器等)，可以用超分辨率重建技术来提高图像质量，对病变目标进行仔细地检测；(4)在银行、证券等部门的安全监控系统中，当有异常情况发生后，可对监控录像进行超分辨率重建，提高图像要害部分的分辨率，从而为事件的处理提供重要的线索；(5)可以将超分辨率重建技术用于图像压缩。平时存储或传输低分辨率的图像信息，当有不同需要时，再利用超分辨率重构技术获得不同分辨率的图像和视频。目前超分辨实现的方法有基于频域、基于空域、凸集投影、最大后验概率等。频域方法实际上是在频域内解决图像内插问题，其观察模型是基于傅里叶变换的移位特性。但这类方法的缺点是所基于的理论前提过于理想化，不能有效地应用于多数场合。空域方法的适用范围较广，具有很强的包含空域先验约束的能力，但是该空域方法结合先验信息的能力很弱，在改善超分辨率重建效果方面受到了一定的限制。因此，研究和应用较多的是凸集投影方法和最大后验概率估计方法。凸集投影方法的优点是可以方便地加入先验信息，可以很好地保持高分辨率图像上的边缘和细节；缺点是解不唯一、解依赖于初始估计、收敛慢、运算量大和收敛稳定性不高等。而最大后验概率估计方法的边缘保持能力不如凸集投影方法，由这类方法获得的高分辨率图像上的细节容易被平滑掉。总的来说，对于未压缩图像或视频的超分辨率重建，考虑的主要问题是如何全面去除重建过程所带来的模糊和噪声，并且能在复杂的环境中有效地实现运动估计。与本发明比较接近的一种超分辨率重建方法是由Jianchao Yang, Yi Ma等人在2010 年 IEEE Transactions on Image Processing 的 Image Super-Resolution via SparseReprensentation 一文中提到的方法(以方法S指代)。方法S首次将稀疏表示引入图像超分辨率重建领域，严格定义下，方法S利用的稀疏表示是合成性稀疏表示(Synthesis SparseRepresentation).,用ω和η分别表示输入信号和待重建信号,Du和Dn分别表示对应信号的字典，合成性稀疏表不可以表达如下
权利要求
1.一种基于分析法稀疏表示的超分辨率图像重建方法，其特征在于，该方法包括首先根据训练样本集进行字典的训练，利用分析法的稀疏表示方式，对提取的特征训练出高分辨率字典和低分辨率字典；对于待输入的图像，将其从RGB空间转换入I α β空间，分割成相同尺寸的块，对这些块进行两种操作一是将每一个块利用现有的放大方法进行放大；二是提取块的残差图像，计算出其在低分辨率字典中的稀疏表示，然后在高分辨率字典中进行重建，得到重建后的残差图像；将以上两步的结果相加，并转换回RGB空间中，进行逆投影后即可得到重建的超分辨率图像。
2.如权利要求1所述的方法，其特征在于，该方法具体由字典训练和超分辨率图像重建两部分组成，其中， 第一部分字典训练，包括以下步骤 11)设置训练参数包括用户所要求的图像放大倍数Α，Α>1，高分辨率图像块匕的尺寸al和低分辨率图像块Is的尺寸a2为al=AXa2，al设置在20X20个像素以内，图像块数目N，以及约束系数ε，0 < ε < I ； 12)利用网络资源在丰富的图像资源中寻找并创建与待重建图像类别相关的训练样本集，该训练样本集集分为两部分，一部分为高分辨率样本集，另一部分为低分辨率样本集；具体过程为寻找到一副图片后，将其作为高分辨率样本Hs ;放入高分辨率样本集，再对其进行A倍的降采样，获得缩小A倍后的低分辨率样本Ls，将Ls放入低分辨率样本集，最终使样本集的图片所包含的图像块数目大于N ； 13)提取低分辨率样本集中所有样本的特征，对这些特征进行字典训练，具体包括以下步骤 13-1)将每一个低分辨率样本Ls从RGB空间转换到I α β空间，转换关系如式(I)
全文摘要
本发明涉及一种基于分析法稀疏表示的超分辨率图像重建方法，属于图像处理技术领域。该方法首先根据训练样本集进行字典的训练，利用分析法的稀疏表示方式，对提取的特征训练出高分辨率字典和低分辨率字典。对于待输入的图像，将其从RGB空间转换入lαβ空间，分割成相同尺寸的块，对这些块进行两种操作一是将每一个块利用现有的放大方法进行放大；二是提取块的残差图像，计算出其在低分辨率字典中的稀疏表示，然后在高分辨率字典中进行重建，得到重建后的残差图像。将以上两步的结果相加，并转换回RGB空间中，进行逆投影后即可得到重建的超分辨率图像。该方法能够显著的降低重建图像噪声，并保有细节特征，同时具有操作简单，应用广泛的优点。
文档编号G06K9/66GK103049885SQ20121052471
公开日2013年4月17日 申请日期2012年12月8日 优先权日2012年12月8日
发明者宁强, 陈侃, 弋力, 范楚楚, 陆垚, 温江涛 申请人:新疆公众信息产业股份有限公司