基于结构张量全变差的图像视频超分辨率方法与流程

技术特征：

1.一种基于结构张量全变差的图像视频超分辨率方法，其特征在于，

包括如下步骤：

建立图像降质模型，包括模糊和降采样两个部分，用公式表示为，

$y=D(B\⊗x)---\left(1\right)$

其中，x表示原始高分辨率图像，B表示模糊核，表示卷积过程，D表示相应倍数的降采样，y表示生产的低分辨率图像；

建立超分辨率模型，包括图像插值和去模糊两个部分，用公式表示为：

$\hat{x}=B{\⊗}^{-1}\left(D^{-1}y\right)---\left(2\right)$

其中，表示还原的高分辨率图像，B表示模糊核，表示反卷积过程，D^-1表示相应倍数的插值过程，y表示低分辨率图像；以及

建立基于结构张量全变差正则化约束的超分辨率模型，用公式表示为，

$\hat{x}=\underset{x}{\arg \min }\frac{1}{2}\left|\right|DBx-y|{|}_2^2+{\mathrm{\μSTV}}_p\left(x\right)---\left(8\right)$

其中，μ是一个可以调节的参数，对正则项约束的强度进行控制。

2.根据权利要求1所述的基于结构张量全变差的图像视频超分辨率方法，其特征在于，

所述建立基于结构张量全变差正则化约束的超分辨率模型包括如下步骤：

在观察到所述低分辨率图像y的情况下，求一个高分辨率的图像使其条件概率最大；

$\hat{x}=\underset{x}{\arg \mathrm{maqx}}\ln p\left(x\right|y)---\left(3\right)$

引入真实图像的先验重建最终的结果；以及

基于结构张量的全变差的先验约束对一阶差分项进行约束，保留边缘和拐角的区域，平滑各向同性的部分。

3.根据权利要求2所述的基于结构张量全变差的图像视频超分辨率方法，其特征在于，

通过贝叶斯公式，将所述高分辨率的图像改写为，

$\hat{x}=\underset{x}{\mathrm{argmin}}-\ln p\left(y\right|x)-\ln p\left(x\right)---\left(4\right).$

4.根据权利要求3所述的基于结构张量全变差的图像视频超分辨率方法，其特征在于，

假设所述低分辨率图像存在的噪声为高斯噪声，所述后验概率部分-lnp(y|x)表示为，

$-\ln p\left(y\right|x)=C\left|\right|DBx-y|{|}_2^2---\left(5\right)$

其中，C是一个常系数。

5.根据权利要求2所述的基于结构张量全变差的图像视频超分辨率方法，其特征在于，

所述基于结构张量的全变差的先验约束中，所述结构化张量是指在每个像素点处首先计算结构张量，

$J=k_{\mathrm{\ρ}}*\▿u_{\mathrm{\σ}}\▿u_{\mathrm{\σ}}^T---\left(6\right)$

所述结构张量全变差的约束形式为，

${\mathrm{STV}}_p\left(x\right)=\underset{i}{\Σ}\left|\right|{(\sqrt{{\mathrm{\λ}}^{+}},\sqrt{{\mathrm{\λ}}^{-}})}_i|{|}_p---\left(7\right)$

其中，λ⁺和λ^-分别为该像素点i处的结构张量J的两个特征值，p表示范数的阶数。

6.根据权利要求5所述的基于结构张量全变差的图像视频超分辨率方法，其特征在于，

所述λ⁺和λ^-满足如下关系，

Isotropic:

Line:λ⁺＞＞λ^-≈0

Corner:λ⁺≥λ^-＞＞0。