獲得低分辨圖像訓(xùn)練集it = ，其中g(shù)表示第P幅低分辨率圖像，隊(duì)表示低分 V ) p = \ 辨率圖像的數(shù)量。3. 根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于:所 述步驟(2)中根據(jù)低分辨率圖像訓(xùn)練集if構(gòu)建低分辨率特征訓(xùn)練集Xs，按如下步驟進(jìn)行： (2a)定義水平方向一階梯度Gx、豎直方向一階梯度Gy、水平方向二階梯度Lx、豎直方向 二階梯度Ly的算子模板分別為： Gx=[1，0，-11，Gy=「1，0，-11t,其中T表示矩陣的轉(zhuǎn)置運(yùn)算； (2b)將低分辨率圖像訓(xùn)練集分別與水平方向一階梯度GX、豎直方向一階梯度GY、水 平方向二階梯度Lx、豎直方向二階梯度LY的算子模板進(jìn)行卷積運(yùn)算，獲得原始低分辨率特征 訓(xùn)練集Z、= 表示第i項(xiàng)原始低分辨率特征，Nsn表示原始低分辨率特征的數(shù) 量； (2c)將原始低分辨率特征訓(xùn)練集Zs使用主成分分析方法PCA進(jìn)行維度約減后，獲得投影 矩陣Vpc；a和低分辨率特征訓(xùn)練集表示第i項(xiàng)的低分辨率特征，Nsn表示低 分辨率特征的數(shù)量。4. 根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于:所 述步驟(3)中根據(jù)高分辨率圖像訓(xùn)練集If構(gòu)建高分辨率特征訓(xùn)練集Ys，按如下步驟進(jìn)行： (3a)將高分辨率圖像訓(xùn)練集與對(duì)應(yīng)的低分辨率圖像訓(xùn)練集相減獲得殘差圖像集 ，其中ep表示第P幅殘差圖像，隊(duì)表示殘差圖像的數(shù)量； v ) p=l (3b)以單位矩陣作為算子模板，與殘差圖像集Es進(jìn)行卷積運(yùn)算，獲得高分辨率特征訓(xùn)練 集& = W表示第i項(xiàng)的高分辨率特征，N%表示高分辨特征的數(shù)量。5. 根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于:所 述步驟(4)中根據(jù)低分辨率特征訓(xùn)練集Xs求解出低分辨率字典Φ:和低分辨率特征編碼系數(shù) Bi，是通過K-SVD方法求解如下優(yōu)化式：其中，入1表不Liyii歎'|兒札口、」111外」嘆爾觀，| | · | |F衣小Γ'γ?歎，| | · | |1衣小丄yii歎。 6 .根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于:所 述步驟(5)中根據(jù)高分辨率特征訓(xùn)練集Ys和低分辨率特征編碼系數(shù)Βι求解出高分辨率字典 的迭代初始值Φω，其計(jì)算公式如下：其中，81表示低分辨率特征編碼系數(shù)，Ys表示高分辨率特征訓(xùn)練集，Τ表示矩陣轉(zhuǎn)置運(yùn) 算，（· Γ1表示矩陣求逆運(yùn)算。7.根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于:所 述步驟(6)中建立稀疏域選取的優(yōu)化目標(biāo)公式，按如下步驟進(jìn)行： (6a)對(duì)高分辨率特征的稀疏表示與稀疏域的映射關(guān)系建立初始優(yōu)化目標(biāo)式： 其中，Ys是尚分丨丨編碼系數(shù)，Βι是 低分辨率特征編碼系數(shù)，Μ是低分辨率特征編碼系數(shù)到高分辨率特征系數(shù)的映射矩陣，Ed是 高分辨率特征的稀疏表示誤差項(xiàng)，Em是稀疏域映射誤差項(xiàng)，α是映射誤差項(xiàng)系數(shù)，取值0.1; (6b)將高分辨率特征的稀疏表示誤差煩Ed講一步表示為：其中，0是1^范數(shù)優(yōu)化正則項(xiàng)系數(shù)，取值為0.01，Μ · | U表示1范數(shù)，Μ · | |F表示F范數(shù)； (6c)將稀疏域映 I#呈裝痛κ批一擊豐51·其中，γ是映射矩陣正則項(xiàng)系數(shù)，取值為0.01; (6d)將步驟(6b)中的高分辨率特征的稀疏表示誤差項(xiàng)Ed與步驟(6c)中的稀疏域映射誤 差項(xiàng)Em代入步驟(6a)中的初始優(yōu)化目標(biāo)式，得到稀疏域選取的優(yōu)化目標(biāo)公式：共T，Υ7;，?'衣不同OTOT竿子興ψ htfJ弟1項(xiàng))盡丁，V!衣不刈1士思1項(xiàng)子興坭丁侏1卞。8.根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于:所 述步驟(7)的實(shí)現(xiàn)如下： (7a)以步驟5中的Φ h0作為高分辨率字典的迭代初始值，將高分辨率特征編碼系數(shù)的迭 代初始值設(shè)為Bh〇 = Bi，將映射矩陣的迭代初始值設(shè)為M〇 = E，其中E是單位矩陣，Ys是高分辨 率特征訓(xùn)練集，Bi是低分辨率特征編碼系數(shù)，T表示矩陣轉(zhuǎn)置運(yùn)算，（· Γ1表示矩陣求逆運(yùn) 算； (7b)固定高分辨率特征編碼系數(shù)Bh和映射矩陣M，使其保持不變，使用二次約束二次規(guī) 劃方法求解高分辨率字典Φ h:其中表示高分辨率字典Oh的第i項(xiàng)原子，| | · | |2表示2范數(shù)，U · I |F表示F范數(shù)， Vi表示對(duì)任意i項(xiàng)字典原子操作； (7c)固定映射矩陣Μ和高分辨率字典Φ h，使其保持不變，使用稀疏編碼方法求解高分辨 率特征編碼系數(shù)Bh:其中，f :表示高分辨率特征的增廣矩陣，Ys表示高分辨率特征訓(xùn)練集， 表示高分辨率字典的增廣矩陣， ，α是稀疏域映射誤差項(xiàng)系數(shù)，取值為0.1，β、 I 是1^范數(shù)優(yōu)化正則項(xiàng)系數(shù)，取值為〇.〇1肩是映射矩陣^是與1同階的單位矩陣，|卜||1表示 1范數(shù)，I I · I |f表示F范數(shù)； (7d)固定高分辨率字典Φ h和高分辨率特征編碼系數(shù)Bh，使其保持不變，使用嶺回歸優(yōu) 化方法求解第t次迭代的映射矩陣M(t):其中，μ表示迭代的步長(zhǎng)，取值0.05，α是稀疏域映射誤差項(xiàng)系數(shù)，取值為〇 . 1，γ是映射 矩陣正則項(xiàng)系數(shù)，取值為〇.〇1，Τ表示矩陣轉(zhuǎn)置運(yùn)算，（· Γ1表示矩陣求逆運(yùn)算； (7e)重復(fù)步驟(7b)_(7d)，直到相鄰兩次稀疏域選取的優(yōu)化目標(biāo)值的變化量小于閾值 0.01時(shí)，停止迭代，得到最終的高分辨率字典Φ h、高分辨率特征編碼系數(shù)Bh和映射矩陣M。9. 根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于:所 述步驟(8)的實(shí)現(xiàn)步驟如下： (8a)輸入低分辨率彩色測(cè)試圖像，將低分辨率彩色測(cè)試圖像用雙立方插值方法上采樣 3倍，得到低分辨率彩色插值圖像； (8b)將低分辨率彩色插值圖像從紅、綠、藍(lán)三色度的RGB顏色空間轉(zhuǎn)化到亮度、藍(lán)色、紅 色的YCbCr顏色空間，分別得到低分辨率亮度測(cè)試圖像/^、藍(lán)色色度測(cè)試圖像和紅色 色度測(cè)試圖像 (8c)將低分辨率亮度測(cè)試圖像/$分別與步驟(2a)中的水平方向一階梯度Gx、豎直方向 一階梯度Gy、水平方向二階梯度Lx、豎直方向二階梯度LY的算子模板做卷積運(yùn)算，得到原始 低分辨率測(cè)試特征Zr ; (8d)將原始低分辨率測(cè)試特征ZR與步驟(2c)中的投影矩陣Vpca做投影運(yùn)算，得到低分辨 率測(cè)試特征Xr; (8e)將低分辨率特征Xr在步驟(5)中的低分辨率字典用正交匹配追蹤方法進(jìn)行編 碼，得到低分辨率測(cè)試特征編碼系數(shù)V :; (8f)將低分辨率測(cè)試特征編碼系數(shù)Β、與步驟(7e)中的映射矩陣Μ做投影運(yùn)算，得到高 分辨率測(cè)試特征編碼系數(shù)V h; (8g)將步驟(7e)中的高分辨率字典與高分辨率測(cè)試特征編碼系數(shù)B'h做乘法運(yùn)算， 得到高分辨率測(cè)試特征Yr。10. 根據(jù)權(quán)利要求1所述的基于稀疏域選取的單幀圖像超分辨重建方法，其特征在于： 所述步驟(9)中的步驟如下： (9a)將高分辨率測(cè)試特征YR與單位矩陣做反卷積操作，得到殘差目標(biāo)圖像eR; (9b)將殘差目標(biāo)圖像#與低分辨率亮度測(cè)試圖像/f做相加運(yùn)算，得到高分辨率亮度測(cè) 試圖像/f ? (9c)將高分辨率亮度測(cè)試圖像if、藍(lán)色色度測(cè)試圖像/^和紅色色度測(cè)試圖像/?合 成YCbCr顏色空間的高分辨率彩色測(cè)試圖像; (9d)將高分辨率彩色測(cè)試圖像,轉(zhuǎn)化到紅、綠、藍(lán)三色RGB顏色空間，輸出高分辨 率測(cè)試圖像if。
【專利摘要】本發(fā)明公開了一種基于稀疏域選取的單幀圖像超分辨重建方法，主要解決現(xiàn)有重建方法進(jìn)行聯(lián)合字典訓(xùn)練所導(dǎo)致重建結(jié)果較差的問題。其步驟為：根據(jù)圖像集構(gòu)建低分辨和高分辨圖像訓(xùn)練集；根據(jù)圖像訓(xùn)練集構(gòu)建低分辨和高分辨特征訓(xùn)練集；對(duì)低分辨特征訓(xùn)練集進(jìn)行稀疏表示；根據(jù)高分辨特征訓(xùn)練集和低分辨特征編碼系數(shù)求解出高分辨字典的迭代初始值；建立稀疏域選取的優(yōu)化目標(biāo)公式，迭代求解高分辨字典、高分辨特征編碼系數(shù)、映射矩陣；根據(jù)輸入的測(cè)試圖像、高分辨字典、高分辨特征編碼系數(shù)和映射矩陣重構(gòu)輸出高分辨圖像。實(shí)驗(yàn)仿真表明，本發(fā)明的重建結(jié)果具有更高的主客觀質(zhì)量評(píng)價(jià)，可用于醫(yī)學(xué)成像、高清影視成像、遙感監(jiān)測(cè)、交通及安全監(jiān)控。
【IPC分類】G06T3/40
【公開號(hào)】CN105631807
【申請(qǐng)?zhí)枴緾N201510967335
【發(fā)明人】高新波, 高傳清, 路文, 何立火, 寧貝佳, 王海軍, 孫互興
【申請(qǐng)人】西安電子科技大學(xué)
【公開日】2016年6月1日
【申請(qǐng)日】2015年12月21日