基于流形正則稀疏支撐回歸的單幀圖像超分辨率重建方法

(19)中民國家知識 (21)(22)(71)申請人大地址430072省市武昌區(qū)珞珈山武(72)發(fā)明人韓特殊普通合

(10)申請公布號CN(43)人G06T5/00權(quán)利要求書2權(quán)利要求書2頁說明書7頁附圖1A辨率圖像塊字典進行稀疏編碼并得到支撐集像塊空間到高分辨率圖像塊空間的映射關(guān)系A(chǔ)CN

權(quán)利要求 1/2下步驟：W步驟4對于輸入低分辨率圖像中每個低分辨率3所得相似矩陣W束重建低分辨率圖像塊支撐集與對應(yīng)高分辨率圖像塊支撐集之間的映射矩陣P；步驟5對于輸入低分辨率圖像中每個低分辨率4所得映射矩陣P重建根據(jù)權(quán)利要求1征在于：記步驟1所得高分辨率圖像塊訓(xùn)練集為對應(yīng)低分辨率圖像塊訓(xùn)練集為其中，yi代表高分辨率圖像塊訓(xùn)練集中第i個高分辨率圖xi代表個數(shù)和低分辨率圖像塊訓(xùn)練集中低分辨率圖像塊的總個數(shù)都是N，，其中，λ1是編碼誤差和稀疏性之間的平衡參θ為長度N的編碼系數(shù)返回關(guān)于變量θ的函數(shù)在得到最小值時θ的取值，，，，其中表示稀疏編碼系數(shù)是稀疏編碼系數(shù)中非零元素的索引的集合與

權(quán)利要求

2/2，建立高分辨率圖像塊支撐集的相似矩陣W根據(jù)如下，，W·i為相似矩陣W的第i列向量，Wii是相似矩陣W對角線上的元素返回關(guān)于變量W·i的函數(shù)在得到最小值時W·i的取值λ2是yi編碼誤差和W·i稀疏性的平衡參數(shù)；5中，對任一低分辨率圖像xt對應(yīng)的高分辨率圖像塊通過下式計算得到y(tǒng)t＝基于流形正則稀疏支撐回歸的單幀圖像超分辨率重建方[0002]隨著計算機網(wǎng)絡(luò)和攝影手持移動設(shè)備的發(fā)展，圖像和越來越多的應(yīng)用于我們[0003]辨率技術(shù)和基于單幀圖像學(xué)習(xí)的超分辨率這兩大類。在本發(fā)明中，我們關(guān)注于基于單幀圖像學(xué)習(xí)的超分辨率技術(shù)。它與基于多幀低分辨率圖像的超分辨率技術(shù)相比，擁有更廣泛的實用性和靈活性。Chang1（H.Chang,D.Yeung,andY.Xiong.Super-resolutionthroughneighborembedding[A].InProc.IEEECVPR04[C].Washington,2004.275–282.中提出了一種基于流形假設(shè)的局部線性嵌入技術(shù)，他們認(rèn)為高低分辨率圖像塊所構(gòu)成的流形空間具有相似局部幾何結(jié)構(gòu)，高分辨率圖像塊可以由訓(xùn)練集中KYang2（J.Yang,J.Wright,T.Huang,andY.Ma,“Imagesuper-resolutionassparserepresentationofrawimagepatchesinProc.IEEEput.Vis.PatternRecognit.(CVPR),pp.1-8,2008.（JYang,J.Wright,T.Huang,andY.Ma“Imagesuper-resolutionviasparserepresentaton,IEEETrans.ImageProcess,vol.19,no.11,pp.2861–2873,2010.Tang4（Y.Tang,P.Yan,Y.Yuan,andX.Li,“Single-imagesuper-resolutionvialocallearninInt.J.Mach.Learn.&Cyber.,vol.2,pp.15–23,2011.（LLR的K[0004]本發(fā)明目的是提供一種基于流形正則稀疏支撐回歸的單幀圖像超分辨率重建方高分辨率圖像塊支撐集和低分辨率圖像塊支撐集；W 4W約束重建低分辨率圖像塊支撐集與對應(yīng)高分辨率圖像塊支撐集之間的映射矩陣P； 5P重建輸入對應(yīng)的高分辨率圖像塊求得輸入低分辨率圖像中所有低分辨率圖像塊對應(yīng)的[0011]而且記步驟1所得高分辨率圖像塊訓(xùn)練集為對應(yīng)低分辨率圖像塊訓(xùn) [0014]其中，λ1是編碼誤差和稀疏性之間的平衡參數(shù)，θN的編碼系數(shù)，θθ[0015]S ，，[0017]其中表示稀疏編碼系數(shù)是稀疏編碼系數(shù)中非零元素的索引的集YS＝{yi|iS}XS＝{xi|iS}，，[0018]3YS中任一高分辨率圖像塊yi看作構(gòu)成鄰接矩G的一個頂連接任意兩個頂點yi和yj的邊的權(quán)值為wij，i的取值為1,2,...,K，j[0019]建立高分辨率圖像塊支撐集的相似矩陣W根據(jù)如下， ，回關(guān)于變量W·i的函數(shù)在得到最小值時W·i的取值λ2是yi編碼誤差和W·i稀疏性的平衡參數(shù)； yt＝ 明技術(shù)方案進一步詳細(xì)說明。參見圖1，本發(fā)明實施例具體流程依次包含以下步驟為：[0037]實施例記輸入的高分辨率圖像塊訓(xùn)練集為低分辨率圖像塊訓(xùn)練集為xt像是高分辨率樣本圖像通過平滑并下采樣三倍的結(jié)果。共采用5000個高低分辨率圖像塊對，N為5000。 平衡參數(shù)，θ即為長N的編碼系數(shù)

返回關(guān)于變量θ的函數(shù)在得時θ的取值在本實施例中參數(shù)λ1設(shè)為0.1[0042]S ，，[0044]其中表示稀疏編碼系數(shù)是稀疏編碼系數(shù)中非零元素的索引的集塊集（X可以分別被表示為高分辨率圖像塊支撐集YS＝，，[0046]3.1YS中任一高分辨率圖像塊yi看作構(gòu)成鄰接矩G的一個頂連接任意兩個頂點yi和yj的邊的權(quán)值為wij，i的取值為1,2,...,K，j[0047]W，[0049]W·i為WiWii是W對角線上的元素返回關(guān)于變量W·i，函數(shù)在得到最小值時W·i的取值YS為高分辨率圖像塊支撐集λ2是yi編碼誤差和W·i撐集的幾何結(jié)構(gòu)來用于高分辨率圖像塊的流形重建； [0052]上式中，α為正則化在本實施0.3P為需要學(xué)D×d化為： 其中

為P在Hilbert空間的誘導(dǎo)范數(shù)。在支撐集內(nèi)以上可F W來約束重建低分辨率圖像塊支撐集XS與對應(yīng)高分辨率圖像塊支撐集YS之間的映射矩陣P， [0060中，α和β中0.3和10。這兩個參數(shù)可以用來平衡上式三項對目標(biāo)函數(shù)OMSSR的貢獻(xiàn)。目標(biāo)函數(shù)OMSSR的第一導(dǎo)并置零得到： [0064]在實施例中，輸入低分辨率圖像XtM個相互交疊的低分辨率圖像塊，對任一低分辨率圖像塊xt相對應(yīng)的高分辨率圖像塊都可以通過如下式子計算得到： yt＝ Xt。獲得的高分辨率圖像可以作為預(yù)測結(jié)果輸出，重建完成。 為了驗證本發(fā)明的有效性測試了五個被廣泛運用的圖像它們分別是“barbara“foreman“house“zebra如雙三次插值法鄰域嵌（文獻(xiàn)1稀疏編（文獻(xiàn)3）和基于回歸的局部學(xué)（文獻(xiàn)4）等（PSNR 為了得到低分辨率圖像的高頻信息提取四個方（2個垂直方向2個水平方向）的梯度作為其特征表示在本實施例中高分辨率圖像塊像素大小均為9×9低分辨率圖像塊像素大小為3×3。從文獻(xiàn)3的訓(xùn)練圖像中隨機選取5000對圖像塊作為本實施例的樣本圖像對來作為鄰域嵌入和局部學(xué)習(xí)回歸的訓(xùn)練集。鄰域嵌入法的近鄰數(shù)取10稀疏編碼方法中的系數(shù)參