【技術實現步驟摘要】
本專利技術涉及圖像超分辨率研究領域，特別涉及一種。
技術介紹
在實際應用中，由于攝像機與感興趣景物距離較遠、或由于硬件原因使所拍攝圖像的分辨率很低，感興趣景物在圖像中所占的像素個數很少，從而缺少細節信息，導致難以從圖像中識別和提取感興趣的區域。圖像超分辨率研究技術因為可解決上述問題而得到廣泛關注。傳統的圖像超分辨率重建方法是通過同一場景的多個低分辨率圖像對高分辨率圖像進行估計，但這種方法對于多個子像素精度的低分辨圖像的對齊是困難的，并且現在許多的應用只允許單幅輸入的低分辨率圖像。單幅圖像的圖像超分辨率方法可以分為三種基于插值的方法，基于重構的方法和基于實例的方法。傳統的插值方法和重構方法需要配合先驗知識，但是常用的關于邊緣的先驗知識無法從低分辨率圖像的大部分平滑圖像區域中構造出高分辨率的邊緣細節；基于實例的方法雖然能通過學習高分辨率和低分辨率圖像塊對來恢復丟失的高分辨率圖像細節信息，但是基于實例的方法關于低分辨率圖像間的相似意味著相應的高分辨率圖像間的相似的假設實際上不一定成立，因此不能保證還原的高分辨率圖像細節的準確性。
技術實現思路
本專利技術的主要目的在于克服現有技術的缺點與不足，提供一種，該方法能夠使提取出來的高分辨率圖像細節更加真實清晰，更加符合實際情況。本專利技術的目的通過以下的技術方案實現，包括以下步驟(I)訓練階段分為兩個部分，(1-1)第一個部分把成對的同一場景下的高分辨率訓練圖像塊和低分辨率訓練圖像塊的梯度域特征組合在一起，對組合的特征進行聚類分析，把聚類得到的成對的高分辨率的視覺詞匯和低分辨率的視覺詞匯作為幾何共生特征先驗知識，并通過主...
【技術保護點】
基于紋理上下文約束的視覺詞匯的圖像超分辨率重建方法，其特征在于，包括以下步驟：(1)訓練階段：分為兩個部分，（1?1）第一個部分：把成對的同一場景下的高分辨率訓練圖像塊和低分辨率訓練圖像塊的梯度域特征組合在一起，對組合的特征進行聚類分析，把聚類得到的成對的高分辨率的視覺詞匯和低分辨率的視覺詞匯作為幾何共生特征先驗知識，并通過主成分分析找到表達每一個高分辨率視覺詞匯的子空間；（1?2）第二個部分：通過圖像分割，從高分辨率圖像訓練集中產生帶有連續紋理特征的高分辨率圖像區域庫，然后通過降采樣得到對應的低分辨率區域庫，從而構建出一個由高分辨率圖像區域和低分辨率圖像區域對組成的數據庫；（2）測試階段：把輸入的低分辨率圖像分為若干個圖像塊和圖像區域，通過基于紋理上下文中的詞頻信息的最大后驗概率標準找到最優候選視覺詞匯，然后實施子空間約束和重構約束構建高分辨率圖像塊，最后施加鄰近高分辨率圖像塊間的兼容性約束構建整個圖像。
【技術特征摘要】
1.基于紋理上下文約束的視覺詞匯的圖像超分辨率重建方法，其特征在于，包括以下步驟(1)訓練階段分為兩個部分，(1-1)第一個部分把成對的同一場景下的高分辨率訓練圖像塊和低分辨率訓練圖像塊的梯度域特征組合在一起，對組合的特征進行聚類分析，把聚類得到的成對的高分辨率的視覺詞匯和低分辨率的視覺詞匯作為幾何共生特征先驗知識,并通過主成分分析找到表達每一個高分辨率視覺詞匯的子空間；(1-2)第二個部分通過圖像分割，從高分辨率圖像訓練集中產生帶有連續紋理特征的高分辨率圖像區域庫，然后通過降采樣得到對應的低分辨率區域庫，從而構建出一個由高分辨率圖像區域和低分辨率圖像區域對組成的數據庫；(2)測試階段把輸入的低分辨率圖像分為若干個圖像塊和圖像區域，通過基于紋理上下文中的詞頻信息的最大后驗概率標準找到最優候選視覺詞匯，然后實施子空間約束和重構約束構建高分辨率圖像塊，最后施加鄰近高分辨率圖像塊間的兼容性約束構建整個圖像。2.根據權利要求1所述的基于紋理上下文約束的視覺詞匯的圖像超分辨率重建方法， 其特征在于，所述步驟(1-1)中，通過計算水平和豎直的一階梯度作為局部特征，并且把一個圖像塊的所有像素點的梯度特征連接起來形成一個向量作為梯度域特征，從而得到每一個圖像塊的局部幾何特征表示，然后再連接高、低分辨率圖像塊的局部幾何特征作為組合的特征。3.根據權利要求1所述的基于紋理上下文約束的視覺詞匯的圖像超分辨率重建方法， 其特征在于，所述步驟(1-1)中，對組合的特征進行聚類分析后，在初始的聚類結果上采取增量方式的競爭學習方法改善聚類結果，具體步驟如下設經過仿射傳播聚類后有N個聚類4.根據權利要求1所述的基于紋理上下文約束的視覺詞匯的圖像超分辨率重建方法， 其特征在于，所述步驟(1-2 )中紋理特征是通過計算濾波器的響應得到的，濾波器組包含三個尺度、六個方向的一階和二階高斯差分濾波器加上一個圍繞中心的高斯差分濾波器共19 個，對每一個濾波器i，把濾波器的響應量化為20個區間Hi={hi...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。