基于軟閾值編碼的快速圖像超分辨方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進一步涉及自然圖像處理技術(shù)領(lǐng)域中的基于軟 閾值編碼的快速圖像超分辨方法。本發(fā)明是將低分辨的圖像進行超分辨，以得到一幅清晰 的高分辨圖像，以便為圖像后續(xù)的解譯、目標(biāo)識別、目標(biāo)檢測提供更準(zhǔn)確、全面的信息。
【背景技術(shù)】
[0002] 圖像超分辨技術(shù)是指從單幅或多幅低分辨率的圖像中重建出一幅清晰的高分辨 率的圖像的過程。在實際成像中，受成像系統(tǒng)物理分辨率限制，以及場景變化與天氣等諸 多因素的影響，這導(dǎo)致成像系統(tǒng)只能得到質(zhì)量較差、分辨率較低的圖像，影響了對景物更全 面、清晰的描述。圖像超分辨的目的是為了得到高分辨圖像，增強和豐富了景物的細節(jié)內(nèi) 容，以便為后續(xù)的圖像處理與解譯提供更準(zhǔn)確、全面的信息。圖像超分辨技術(shù)主要可以分為 基于插值、基于重建和基于學(xué)習(xí)三大類。目前單幅圖像主要是基于低分辨-高分辨圖像塊 之間映射關(guān)系學(xué)習(xí)來實現(xiàn)圖像的超分辨。
[0003] Yang, Wright 等人發(fā)表的論文 " Image Super-Resolution Via Sparse Representation''(IEEE Trans, on Image Processing vol. 19no. 11pp. 2861-2873. 2010) ψ 提出一種基于稀疏表示的圖像超分辨方法。該方法將壓縮感知的思想引入超分辨重構(gòu)中， 通過稀疏表示的方法來獲得低分辨和高分辨的字典對。當(dāng)?shù)头直鎴D像的稀疏表示通過壓縮 感知的方法得到時，則高分辨圖像的稀疏表示也相應(yīng)的得到，從而可以有效地對低分辨圖 像進行重建。但是該方法仍然存在的不足之處是，該方法是通過對低分辨圖像進行完全重 構(gòu)式地編碼，造成在編碼過程中引入噪聲和不必要的信息，使得低分辨-高分辨圖像塊之 間映射不準(zhǔn)確，嚴(yán)重影響了圖像整體的恢復(fù)效果，同時該方法圖像重建時間過長，導(dǎo)致效率 偏低。
[0004] Zeyde, Elad 等人發(fā)表的論文 "On Single Image Scale-Up Using Sparse Representations"（Springer Curves and Surfaces, pp. 7Il-73O. 2〇l2)中提出一種基于 稀疏表示的快速圖像超分辨方法。該方法提出了先訓(xùn)練低分辨字典，進而通過稀疏表示關(guān) 系推導(dǎo)高分辨字典的超分辨方法，取得了較快的重建速度。但是該方法仍然存在的不足之 處是，該方法也是對低分辨圖像進行完全重構(gòu)式地編碼，造成在編碼過程中引入噪聲和不 必要的信息，使得低分辨-高分辨圖像塊之間映射不準(zhǔn)確，嚴(yán)重影響了圖像整體的恢復(fù)效 果。同時，雖然該方法圖像重建時間有明顯的縮短，但是仍然無法滿足實時圖像超分辨的要 求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提出一種基于軟閾值編碼的快速圖 像超分辨方法，以在圖像超分辨重建中，能夠去除振鈴和塊效應(yīng)這些人工痕跡，圖像邊緣銳 化明顯，最終超分辨結(jié)果更加真實自然，同時該發(fā)明大大減少了圖像超分辨的時間，達到了 實時圖像超分辨的目的。
[0006] 本發(fā)明的具體步驟如下：
[0007] (1)輸入待處理的低分辨圖像：
[0008] 輸入一幅待處理的低分辨圖像，設(shè)定待處理的低分辨圖像的放大倍數(shù)為3 ;
[0009] (2)得到待處理的低分辨圖像塊集：
[0010] 對待處理的低分辨圖像進行大小為3X3像素的分塊，相鄰塊之間重疊1個像素， 得到待處理的低分辨圖像塊集；
[0011] (3)得到高和低分辨訓(xùn)練圖像塊集：
[0012] (3a)輸入5幅高分辨訓(xùn)練圖像，進行大小為9X9像素的分塊，相鄰塊之間重疊3 個像素，得到Y(jié)個高分辨訓(xùn)練圖像塊，其中200000 < Y < 300000 ;
[0013] (3b)輸入5幅低分辨訓(xùn)練圖像，進行大小為3X3像素的分塊，相鄰塊之間重疊1 個像素，得到Y(jié)個低分辨訓(xùn)練圖像塊，其中200000 < Y < 300000 ;
[0014] (3c)從Y個高分辨訓(xùn)練圖像塊中隨機抽取10萬個高分辨訓(xùn)練圖像塊，相應(yīng)地從 Y個低分辨訓(xùn)練圖像塊相同位置隨機抽取10萬個低分辨訓(xùn)練圖像塊，得到高分辨訓(xùn)練圖像 塊集和低分辨訓(xùn)練圖像塊集；
[0015] (4)計算高和低分辨字典：
[0016] (4a)輸入高分辨訓(xùn)練圖像塊集和低分辨訓(xùn)練圖像塊集，利用K-SVD的方法來初始 化高分辨字典和低分辨字典；
[0017] (4b)利用梯度下降的方法，按照下式，求解高分辨字典和低分辨字典：
[0019] 其中，min{ ·}表示最小化操作，H表示高分辨訓(xùn)練圖像塊集，B表示待求解的高分 辨字典，Se (·)表示輸入為AtL的軟閾值函數(shù)，Θ表示閾值參數(shù)，Θ = 〇. 〇2, A表示待求解 的低分辨字典，T表示轉(zhuǎn)置操作，L表示低分辨訓(xùn)練圖像塊集，If表示矩陣的弗羅貝尼烏斯 范數(shù)；
[0020] (5)獲得高分辨圖像塊集：
[0021] (5a)按照下式，求解得到待處理的低分辨圖像塊集的軟閾值編碼系數(shù)：
[0022] Z = S0 (AtX)
[0023] 其中，Z表示待處理的低分辨圖像塊集的軟閾值編碼系數(shù)，Se (·)表示輸入為AtX 的軟閾值函數(shù)，Θ表示閾值參數(shù)，Θ =0.02, A表示低分辨字典，T表示的轉(zhuǎn)置操作，X表示 待處理的低分辨圖像塊集；
[0024] (5b)按照下式，求解高分辨圖像塊集：
[0025] K = BZ
[0026] 其中，K表示高分辨圖像塊集，B表示高分辨字典，Z表示待處理的低分辨圖像塊集 的軟閾值編碼系數(shù)；
[0027] (6)獲得高分辨圖像：
[0028] 按照陣列式掃描方式，依次將高分辨圖像塊放入各自對應(yīng)的高分辨圖像位置中， 得到高分辨圖像。
[0029] 本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點：
[0030] 第一，由于本發(fā)明采用軟閾值函數(shù)來編碼低分辨圖像塊集，克服了現(xiàn)有技術(shù)中采 用稀疏表示從而引入噪聲和不必要的信息的缺陷，使得本發(fā)明能夠成功地抑制噪聲，可以 得到豐富的恢復(fù)圖像細節(jié)信息，增強了恢復(fù)圖像的清晰度。
[0031] 第二，由于本發(fā)明采用軟閾值函數(shù)來編碼低分辨圖像塊集，克服了現(xiàn)有技術(shù)中采 用稀疏表示從而導(dǎo)致重構(gòu)時間過長的缺陷，使得本發(fā)明能夠快速地進行圖像超分辨，達到 實時圖像超分辨的目的。
[0032] 第三，由于本發(fā)明采用K-SVD方法來初始化高和低分辨字典，然后采用梯度下降 的方法進一步求解高和低分辨字典，克服了現(xiàn)有技術(shù)中僅通過K-SVD方法來求解高和低 分辨字典導(dǎo)致高和低分辨圖像塊映射關(guān)系不準(zhǔn)確的缺陷，使得本發(fā)明恢復(fù)的圖像輪廓更清 晰，更加真實自然。
【附圖說明】
[0033] 圖1是本發(fā)明的流程圖；
[0034] 圖2是本發(fā)明在仿真實驗中使用的Butterfly低分辨測試圖像；
[0035] 圖3是本發(fā)明在仿真實驗中得到的Butterfly高分辨重建圖像；
[0036] 圖4是使用現(xiàn)有技術(shù)的基于稀疏表示的圖像超分辨方法，在仿真實驗中得到的 Butterfly高分辨重建圖像；
[0037] 圖5是使用現(xiàn)有技術(shù)的基于稀疏表示的快速圖像超分辨方法，在仿真實驗中得到 的Butterfly高分辨重建圖像。
【具體實施方式】
[0038] 下面結(jié)合附圖對本發(fā)明做進一步的描述。
[0039] 參照附圖1，本發(fā)明【具體實施方式】如下。
[0040] 步驟1，輸入待處理的低分辨圖像。
[0041] 輸入一幅待處理的低分辨圖像，設(shè)定待處理的低分辨圖像的放大倍數(shù)為3。
[0042] 本發(fā)明實施例中輸入的待恢復(fù)的低分辨圖像大小為86X86像素，參見附圖2。
[0043] 步驟2,得到待處理的低分辨圖像塊集。
[0044] 對待處理的低分辨圖像進行大小為3X3像素的分塊，相鄰塊之間重疊1個像素， 得到待處理的低分辨圖像塊集。
[0045] 步驟3,得到高和低分辨訓(xùn)練圖像塊集。
[0046] 第1步，輸入5幅高分辨訓(xùn)練圖像，進行大小為9X9像素的分塊，相鄰塊之間重疊 3個像素，得到Y(jié)個高分辨訓(xùn)練圖像塊，其中200000 < Y < 300000。
[0047] 第2步，輸入5幅低分辨訓(xùn)練圖像，進行大小為3X3像素的分塊，相鄰塊之間重疊 1個像素，得到Y(jié)個低分辨訓(xùn)練圖像塊，其中200000 < Y < 300000。
[0048] 第3步，從Y個高分辨訓(xùn)練圖像塊中隨機抽取10萬個高分辨訓(xùn)練圖像塊，相應(yīng)地 從Y個低分辨訓(xùn)練圖像塊相同位置隨機抽取10萬個低分辨訓(xùn)練圖像塊，得到高分辨訓(xùn)練圖 像塊集和低分辨訓(xùn)練圖像塊集。
[0049] 步驟4,計算高和低分辨字典。
[0050] 第1步，輸入高分辨訓(xùn)練圖像塊集和低分辨訓(xùn)練圖像塊集，利用K-SVD的方法來初 始化高分辨字典和低分辨字典。
[0051] 初始化低分辨字典和高分辨字典具體步驟如下：
[0052] 第一步，對高分辨訓(xùn)練圖像塊集中的所有圖像塊和低分辨訓(xùn)練圖像塊集中的所有 圖像塊進行向量化，隨機抽取1萬個高分辨訓(xùn)練圖像塊和與之相同位置的1萬個低分辨訓(xùn) 練圖像塊。
[0053] 第二步，按照下式，初始化低分辨字典和高分辨字典：
[0056] 其中，min{ ·}表示最小化操作，P表示1萬個高分辨訓(xùn)練圖像塊，Q表示1萬個低 分辨訓(xùn)練圖像塊，A表示待求解的高分辨字典，B表示待求解的低分辨字典，α表示稀疏系 數(shù)矩陣，Il表示矩陣的2范數(shù)，Subject to表示I I Ci1I |。為求解min{·}的限制條件，￥? 表示稀疏系數(shù)矩