一种基于稀疏表示的快速图像超分辨率重建方法
【技术领域】
[0001]本发明涉及数字图像处理领域，具体地说是一种快速图像超分辨率重建的方法。
【背景技术】
[0002]由于制造工艺和成本的限制，利用数字信号处理技术提高图像分辨率的方法受到了越来越多的关注，这些方法被称为超分辨率(Super Resolut1n,简称SR)图像重建。由于此类方法能够利用现有的低成本成像系统，克服光学系统固有的分辨率限制，且实现成本较低，能够满足大部分场景的应用需求，因此SR方法被广泛应用于安全监控、医学影像、卫星遥感等领域。
【发明内容】
[0003]本发明的目的是为构建一种具有较高实时性和应用价值的快速图像超分辨率重建的方法。
[0004]该方法的核心是在字典训练阶段引入快速核密度估计算法对训练样本规模进行估计，得到数量合理的训练样本，而在稀疏表示阶段使用改进的广义正交匹配追踪算法进行图像超分辨率重建，克服了贪婪系列稀疏表示算法中的固定稀疏度缺陷且缩短了迭代时间。
[0005]具体的技术方案如下:
[0006](I)在字典训练阶段引入快速核密度估计算法对训练样本规模进行估计，得到数量合理的训练样本；
[0007](2)在稀疏表示阶段使用改进的广义正交匹配追踪算法，克服了贪婪系列稀疏表示算法中的固定稀疏度缺陷且缩短了迭代时间；
[0008](3)运用现有的Matlab软件，将降质图像进行超分辨率重建，得到重建图像，实验表明，该方法极大地提升了字典训练速度，有效地缩短了稀疏编码时间同时兼顾了重建质量。
[0009]本发明的有益效果是:
[0010]1、提出一个基于稀疏表示的快速图像超分辨率重建方法；
[0011]2、本发明简单易行，可以准确、快速地提高降质图像的分辨率，应用范围广泛，实时性高，对于很多应用场景都有可参考和应用的价值。
[0012]本发明的适用于一般场景的快速图像超分辨率重建。一方面为进一步进行图像超分辨率重建的学术研究起到参考作用；另一方面可应用到实时性要求较高的图像超分辨重建场景，快速提高图像分辨率，满足各类图像处理的需求。
【附图说明】
[0013]图1为本发明的训练样本数量选取标准图；
[0014]图2为本发明的三种重建图像的PSNR和迭代时间；
[0015]图3为本发明基于稀疏表示快速超分辨率重建结果图。
【具体实施方式】
[0016]下面结合附图和实例进一步说明本发明的实质内容，但本发明的内容并不限于此。
[0017]实施例1:
[0018]针对从原高分辨率图像下采样2倍和4倍并模糊处理得到低分辨率降质图像，进行基于稀疏表示的快速图像超分辨率重建。在字典训练阶段引入快速核密度估计算法对训练样本规模进行估计，得到数量合理的训练样本(如图1所示)；在稀疏表示阶段使用改进的广义正交匹配追踪算法，克服了贪婪系列稀疏表示算法中的固定稀疏度缺陷且缩短了迭代时间(如图2所示)；运用现有的Matlab软件，将降质图像进行超分辨率重建，得到重建图像，实验表明，该方法极大地提升了字典训练速度，有效地缩短了稀疏编码时间同时兼顾了重建质量(如图3所示)。
【主权项】
1.一种基于稀疏表示的快速图像超分辨率重建方法，用来对降质的图像进行快速超分辨率重建，从而提高图像的分辨率。本发明对于快速提高图像分辨率具有明显效果。其特征在于: (1)在字典训练阶段引入快速核密度估计算法对训练样本规模进行估计，得到数量合理的训练样本； (2)在稀疏表示阶段使用改进的广义正交匹配追踪算法，克服了贪婪系列稀疏表示算法中的固定稀疏度缺陷且缩短了迭代时间； (3)结果采用改进的稀疏表示算法对降质图像进行快速超分辨率重建，得到高分辨率图像。
2.根据权利要求1所述的一种基于稀疏表示的快速图像超分辨率算法，其特征在于:在字典训练阶段引入快速核密度估计算法对训练样本规模进行估计，得到数量合理的训练样本。
3.根据权利要求1所述的一种基于稀疏表示的快速图像超分辨率算法，其特征在于:在稀疏表示阶段使用改进的广义正交匹配追踪算法，克服了贪婪系列稀疏表示算法中的固定稀疏度缺陷且缩短了迭代时间。
4.根据权利要求1所述的一种基于稀疏表示的快速图像超分辨率算法，其特征在于:运用现有的Matlab软件，将降质图像进行超分辨率重建，得到重建图像，实验表明，该方法极大地提升了字典训练速度，有效地缩短了稀疏编码时间同时兼顾了重建质量。
【专利摘要】一种基于稀疏表示的快速图像超分辨率重建方法，用来对降质的图像进行快速超分辨率重建，从而提高图像的分辨率。本发明对于快速提高图像分辨率具有明显效果。其特征是：(1)在字典训练阶段引入快速核密度估计算法对训练样本规模进行估计，得到数量合理的训练样本；(2)在稀疏表示阶段使用改进的广义正交匹配追踪算法，克服了贪婪系列稀疏表示算法中的固定稀疏度缺陷且缩短了迭代时间；(3)运用现有的Matlab软件，将降质图像进行超分辨率重建，得到重建图像，实验表明，该方法极大地提升了字典训练速度，有效地缩短了稀疏编码时间同时兼顾了重建质量。
【IPC分类】G06T5-00
【公开号】CN104715460
【申请号】CN201510145852
【发明人】陈秀宏, 曹翔
【申请人】江南大学
【公开日】2015年6月17日
【申请日】2015年3月30日