1.一种基于主结构分离的稀疏表示图像超分辨率重建方法,其特征在于,包括以下步骤:
(1)用rtv(relativetotalvariation)分解输入图像i,分解成主结构部分s与纹理部分t;
(2)将主结构部分重建以获取hr主结构图像sh;
(3)将纹理部分重建以获取hr纹理图像th;
(4)将hr主结构图像sh与hr纹理图像th相加得到hr图像ih0=sh+th;
(5)对hr图像ih0进行全局优化处理,求解下式:
其中ih为要求解的hr图像,
2.根据权利要求1所述的基于主结构分离的稀疏表示图像超分辨率重建方法,其特征在于,所述步骤(1)的具体过程为:
令输入图像为i,最终获得主结构图像为s,像素的索引为p,则rtv的目标函数可以表示为:
其中(sp-ip)2项用来保持主结构图像与原图像之间的相似性,λ为正则平衡参数,ε为极小值,用来维持稳定解,正则项
其中r(p)为以像素p为中心的矩形区域,q则属于r(p),
其中x和y指像素点在窗口内的坐标,σ则用来控制空间尺度,通过调整λ和σ的值,我们可以获得不同的图像分解能力,同时,通过组合
3.根据权利要求1所述的基于主结构分离的稀疏表示图像超分辨率重建方法,其特征在于,所述步骤(2)中主结构部分重建以获取hr主结构图像sh的具体过程为:
(3.1)利用kvsd字典学习算法训练得到主结构高低分辨率字典对
(3.2)将所述主结构部分s进行双三次插值放大得到sm;
(3.3)通过特征提取算子forstner提取sm的特征smf;
(3.4)对于smf中的每个小块smf,利用omp算法求解下属最优化问题:
获得高分辨率图像块smf在字典
(3.5)根据公式
4.根据权利要求1所述的基于主结构分离的稀疏表示图像超分辨率重建方法,其特征在于,所述步骤(3)中纹理部分重建以获取hr纹理图像th的具体过程为:
(4.1)对外部hr训练样本图像
(4.2)对
(4.3)利用主结构重建方法对
(4.4)用外部hr训练样本图像
(4.5)对lr图像
(4.6)通过特征提取算子f提取
(4.7)对
(4.8)将输入图像i进行双三次插值放大得到im;
(4.9))通过特征提取算子forstner提取im的特征imf;
(4.10)对imf中的每个小块imf,利用正交匹配追踪omp算法解下述最优化问题:
获得高分辨率图像块imf在字典
(4.11)根据公式
(4.12)将所有的hr纹理图像块th在hr网格上进行重组,对重叠区域进行平均处理,得到hr纹理图像th。
5.根据权利要求3或4所述的基于主结构分离的稀疏表示图像超分辨率重建方法,其特征在于,所述kvsd算法的具体过程为:
将目标函数泛化为下式:
其中p为需要训练的输入图像块集合,d为字典,稀疏系数zi为系数矩阵z中的列向量,固定字典d,令di为d中的第i列,
其中k为字典d中的原子数,
定义一个大小为n×|ωk|的矩阵ωk,其中n为p中图像块的个数,使ωk在(ωk(i),i)处为1,其余地方为0,并且令
再对
6.一种计算机可读取介质,其上存储有计算机程序,其特征在于,所述程序执行时实现如权利要求2-4任一项所述方法的步骤。