基于改进的非局部约束和局部自相似性的图像超分辨方法
【专利摘要】本发明公开了一种基于改进的非局部约束和局部自相似性的图像超分辨方法。其实现步骤为：(1)对低分辨率图像X作双三次插值放大和高通滤波，获得预放大图像及低、高频分量；(2)分别在预放大图像和低频分量中提取图像块；(3)对低频图像块进行K聚类，并将预放大图像块与每一类的聚类中心作比较，找到最相似的类，进而在最相似类中找到3个相似的低频图像块；(4)根据相似的低频图像块找到相对应的高频图像块，再对这些高频图像块进行非局部加权，得到重构的初步高分辨率图像；(5)将重构的高分辨率图像作为下一次的输入图像，重复步骤(1)～步骤(4)，获得最终的高分辨率图像。本发明在对图像超分辨时，能够锐化图像边缘，更好的恢复图像高频细节。
【专利说明】基于改进的非局部约束和局部自相似性的图像超分辨方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，具体的说是ー种图像的分辨方法，该方法可用于对输入的低分辨率图像进行超分辨，获得高分辨率图像。
【背景技术】
[0002]图像超分辨技术是为了获得更准确的图像信息，而通过多种技术手段提高图像的清晰度，抑制噪声的ー门学科。它是图像处理中重要而又富有挑战性的研究内容。对于图像超分辨问题，研究者已经提出了很多方法。
[0003]2008年Yang等人提出ー种基于样例学习的图像超分辨重建方法，见J.Yang，J.Wright,T.Huang, and Y.Ma, “Image super-resolution as sparse representation oiraw image patches，，，in Proc.1EEE Conf.Comput.Vis.Pattern Recognit., 2008, pp.1-8.这种方法的基本思想是从ー些高分辨率图像中随机选取一些块组成ー个过完备的高分辨词典Dh，再用同样的方法组成ー个低分辨字典D。，通过训练两个字典D。和Dh，得到在低分和高分字典下的低分辨和高分辨图像块的相似稀疏表示。因此低分辨图像块的稀疏表示同高分辨字典Dh相乘可以得到高分辨图像块。该方法的缺陷就在于过完备字典的选择，随机的选择只能实现特定领域的图像的超分辨率，对于通用图像的超分辨率效果较差。
[0004]2011年Gilad提出基于局部自相似性的算法，利用迭代放大的方法对图像进行超分辨重建，并且证明了在较小的放大因子下，局部极小块与放大后图像的局部极小块存在极强的相似性。JAL Gilad.Freedman, R Fattal,“Image and Video Upscaling from LocalSelf-examples”，ACM Transaction on Graphics (TOG)，apri 12011，30 (2) ?其基本思想是将低分辨图像X进行较小因子的放大，获得预放大图像Y。，同时对低分辨图像进行滤波，得到X的高频图像Xh和低频图像X。，取预放大图像Y。中的图像块，找到其在X。中最相似的块，并在Xh中找到与之相应的匹配高频块，最終将查找到的高频块迭加在预放大图像块上。但该方法由于只查找ー个相似高频图像块，对匹配准则的依赖性过高，容易产生误差，得到的高分辨图像边缘模糊，视觉效果不好。
【发明内容】
[0005]本发明的目的在于针对已有技术的不足，提出了一种基于改进的非局部约束和局部自相似性的图像超分辨方法，以在匹配时找到更多的相似高频图像块，获取更多的高频信息，得到边缘清晰，视觉效果好的高分辨图像。
[0006]实现本发明目的的技术关键是:直接从输入的低分辨图像内部寻找高频细节信息，并以输入的低分辨图像作为训练字典，不需要外部的训练图像，克服现有算法对训练字典的敏感性，且在匹配时通过找到更多的相似高频图像块，获取更多的高频信息，其具体步骤包括如下
[0007](1)输入低分辨率图像X，并将其进行双三次插值放大，放大因子\ = 1.25,获得预放大图像Y。；[0008](2)通过高通滤波器对低分辨图像X进行滤波，将其分解为高频分量Xh和低频分
量X。；
[0009](3)利用高频分量Xh，低频分量X。和预放大图像Y。对输入的低分辨图像X进行超分辨重建: [0010]3a)在低频分量X。中提取低频图像块Y j = 1，...，M，M为低频图像块的数目，在预放大图像Y。中提取预放大图像块Fムi = 1，...，N，N为预放大图像块的数目；
[0011]3b)对提取的低频图像块进行k-means聚类，将其分成20类，得到每ー类的聚类中心；
[0012]3c)用预放大图像块Y/中的每ー个图像块与上步获得的聚类中心作比较，找到与其最为相似的那ー类，并在这ー类中找到与预放大图像块Y。1最相似的3个近邻低频图像块ァf，k = 1，...，3，k为最相似的近邻块的数目；
[0013]3d)利用上步的最相似的低频图像块ズs在闻频分量Xh中找到其相对应的闻频图像块乂，并对这些高频图像块进行非局部加权，得到合成的高频图像块Y/:
[0014]
【权利要求】
1.一种基于改进的非局部约束和局部自相似性的图像超分辨方法，包括如下步骤: (1)输入低分辨率图像X，并将其进行双三次插值放大，放大因子λ= 1.25，获得预放大图像Y。； (2)通过高通滤波器对低分辨图像X进行滤波，将其分解为高频分量Xh和低频分量X。； (3)利用高频分量Xh，低频分量X。和预放大图像Y。对输入的低分辨图像X进行超分辨重建: 3a)在低频分量X。中提取低频图像块j = 1，...，M，M为低频图像块的数目，在预放大图像Y。中提取预放大图像块i = 1，...，N，N为预放大图像块的数目； 3b)对提取的低频图像块进行k-means聚类，将其分成20类，得到每ー类的聚类中心； 3c)用预放大图像块Y。1中的每ー个图像块与上步获得的聚类中心作比较，找到与其最为相似的那ー类，并在这一类中找到与预放大图像块Y。1最相似的3个近邻低频图像块ズ，k = 1，...，3，k为最相似的近邻块的数目； 3d)利用上步的最相似的低频图像块パ，在高频分量Xh中找到其相对应的高频图像块ykh，并对这些高频图像块进行非局部加权，得到合成的高频图像块Y/:
2.根据权利要求1所述的基于改进的非局部约束和局部自相似性的图像超分辨方法，其中所述步骤(3a)中的低频图像块Xゾ和预放大图像块Y。1，其大小均为5X5，重叠块的大小均为4X4。
3.根据权利要求1所述的基于改进的非局部约束和局部自相似性的图像超分辨方法，其中所述步骤(3c)中找出聚类中心中与预放大图像块Y/最相似的块，是先计算预放大图像块Y/与每个聚类中心的均方差，再从这些均方差中找出最小值，该最小值所对应的聚类中心就是与预放大图像块Y。1最相似的块。
4.根据权利要求1所述的基于改进的非局部约束和局部自相似性的图像超分辨方法，其中所述步骤(4)中的预期设定放大倍数m，在实验中设定为m = 2。
【文档编号】G06T5/00GK103593825SQ201310488729
【公开日】2014年2月19日 申请日期:2013年10月17日 优先权日:2013年10月17日
【发明者】王爽, 焦李成, 张阳, 马文萍, 马晶晶, 刘红英 申请人:西安电子科技大学