本發(fā)明涉及信號(hào)處理領(lǐng)域，尤其是指一種基于顯著圖和稀疏表示的圖像超分辨率重構(gòu)方法。
背景技術(shù)：
隨著現(xiàn)代科技的進(jìn)步，數(shù)學(xué)圖像得到越來越廣泛的應(yīng)用，逐漸演變?yōu)樽钪匾男畔?，而圖像的分辨率是評(píng)價(jià)一幅圖像的內(nèi)容豐富程度的客觀標(biāo)準(zhǔn)，分辨率越高說明圖像內(nèi)容越豐富，人們可以從中分析得到的信息越多。根據(jù)實(shí)驗(yàn)表明，傳統(tǒng)的基于雙三次插值的圖像超分辨率重構(gòu)算法和Yang的基于稀疏表示的圖像超分辨率重構(gòu)算法各有各的優(yōu)點(diǎn)和缺陷，前者運(yùn)行速度比較快，但是隨之帶來的就是就是重構(gòu)效果比較差，相比前者，后者雖然運(yùn)行速度比較慢，計(jì)算運(yùn)行效率低，但是重構(gòu)效果比較好。
研究表明，人類從外界接收到的信息有七成是通過視覺來獲取的，人類的視覺系統(tǒng)能夠根據(jù)先驗(yàn)條件快速注意到該物體最顯著最重要的位置上，這種信息篩選機(jī)制就是視覺注意機(jī)制。圖像的顯著檢測(cè)性方法在圖像處理方面上有著廣泛的應(yīng)用，例如圖像分割，提取圖像信息等。對(duì)圖像做顯著區(qū)域檢測(cè)處理，使得可以用較小的空間保存所需較多的圖像信息，大大提高了數(shù)據(jù)傳輸?shù)乃俾屎吞幚硭俣鹊取?/p>
在很多應(yīng)用背景下，例如檢測(cè)某場(chǎng)景下的目標(biāo)物體，對(duì)圖像進(jìn)行顯著分割等，這樣的情景下往往我們所關(guān)注的顯著區(qū)域才是起關(guān)鍵性作用的，于是我們可以把圖像顯著性檢測(cè)和超分辨率重構(gòu)算法結(jié)合起來，對(duì)顯著區(qū)域重點(diǎn)進(jìn)行超分辨率重構(gòu)，從而達(dá)到我們所預(yù)期的速率和效果。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供了一種基于顯著圖和稀疏表示的圖像超分辨率重構(gòu)方法，該方法具有更快速的重構(gòu)速率、有針對(duì)性地重構(gòu)顯著區(qū)域的優(yōu)點(diǎn)。
為實(shí)現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：一種基于顯著圖和稀疏表示的圖像超分辨率重構(gòu)方法，基于全局對(duì)比度的FT算法，與超分辨率重構(gòu)算法相互結(jié)合，通過對(duì)低分辨率圖像進(jìn)行插值分塊得到低分辨率圖像塊，以及采取FT算法檢測(cè)得到的顯著圖進(jìn)行二值化，按照?qǐng)D像塊是否包含二值化顯著圖的顯著點(diǎn)來判定是否為圖像的顯著區(qū)域，然后對(duì)圖像的顯著區(qū)域通過來聯(lián)合訓(xùn)練方法對(duì)高低分辨率的字典對(duì)進(jìn)行訓(xùn)練，并采取基于稀疏表示的超分辨率重構(gòu)算法進(jìn)行重構(gòu)，非顯著區(qū)域則采取雙三次插值法，最后將各個(gè)圖像塊合并連接，得到最終的高分辨率圖像。
本發(fā)明上述基于顯著圖和稀疏表示的圖像超分辨率重構(gòu)方法，包括以下步驟：
1)根據(jù)基于全局對(duì)比度的FT算法，對(duì)低分辨率圖像進(jìn)行顯著性檢測(cè)，計(jì)算出該圖像的顯著圖，對(duì)顯著圖進(jìn)行二值化，得到二值化顯著圖；
2)將輸入的低分辨率圖像進(jìn)行插值分塊，得到插值圖像塊；
3)依照步驟1)得到的二值化顯著圖，通過步驟2)得到的插值圖像塊是否包含顯著圖像像素點(diǎn)來判定采取哪種方法進(jìn)行重構(gòu)，若圖像塊包含顯著圖像像素點(diǎn)，采用基于稀疏表示的超分辨率重構(gòu)方法，得到的重構(gòu)圖像塊為xt；否則采用雙三次插值法進(jìn)行重構(gòu)，得到的重構(gòu)圖像塊為yt；
4)將步驟3)得到的重構(gòu)后的圖像塊xt和yt進(jìn)行拼接合并處理，得到最終的高分辨率圖像X，然后對(duì)高分辨率圖像X進(jìn)行全局優(yōu)化得到最終的高分辨率圖像X*。
所述步驟3)包含以下內(nèi)容：
3.1)基于稀疏表示的超分辨率重構(gòu)方法采用聯(lián)合訓(xùn)練高、低分辨率字典對(duì)方法來保持高、低分辨率字典對(duì)的同構(gòu)性，具體過程如下：
3.1.1)輸入訓(xùn)練樣本X＝{x1,x2,···,xt}；
3.1.2)采用高斯隨機(jī)矩陣對(duì)字典D進(jìn)行初始化，并歸一化字典D的每一列；
3.1.3)當(dāng)字典D固定，先用OMP算法來求解下列方程，來更新稀疏系數(shù)α：
3.1.4)當(dāng)稀疏系數(shù)α固定，采用K-SVD算法更新字典D，并同時(shí)更新稀疏系數(shù)α?xí)r，迭代直至收斂為止，此時(shí)將問題轉(zhuǎn)化為以下方程：
其中，λ是系數(shù)矩陣的稀疏度和字典的保真度，||α||1是L1范數(shù)，用來保證系數(shù)的稀疏度，是L2范數(shù)，用來去除模糊、噪聲的干擾；
3.2)根據(jù)步驟3.1)的單個(gè)字典訓(xùn)練法，為了保證高、低頻部分字典對(duì)所對(duì)應(yīng)的稀疏表示系數(shù)是一樣的，采用聯(lián)合字典的訓(xùn)練方法進(jìn)行訓(xùn)練高、低分辨率字典對(duì)，具體過程如下：
3.2.1)假設(shè)獲取的字典訓(xùn)練圖像對(duì)為{Xh,Yl}，其中Xh＝{x1,x2,...,xn}是高分辨率紋理圖像塊集，Yl＝{y1,y2,...yn}是低分辨率圖像塊特征集；
3.2.2)針對(duì)高低分辨率部分的字典分別為：
將以上兩個(gè)式子結(jié)合起來為：
其中，N,M分別為高低分辨率部分訓(xùn)練數(shù)據(jù)的向量形式的維度，1/N,1/M是平衡權(quán)重系數(shù)，上式轉(zhuǎn)化為：
其中：
本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)與有益效果：
1、本發(fā)明利用基于全局對(duì)比度的FT算法進(jìn)行顯著性檢測(cè)，提高了顯著區(qū)域的亮度，而且在自然圖像數(shù)據(jù)庫中能夠較好地檢測(cè)出顯著目標(biāo)，計(jì)算運(yùn)行效率也比較高，其分辨率也比較高。
2、本發(fā)明在訓(xùn)練樣本的過程中利用K-SVD算法進(jìn)行聯(lián)合訓(xùn)練的方法，加快了字典的更新速度，并且降低了算法的復(fù)雜度，更加簡(jiǎn)單，高效。
3、本發(fā)明將超分辨率重構(gòu)與FT算法結(jié)合起來，能夠針對(duì)性地恢復(fù)圖像的顯著性區(qū)域，具有更快速的重構(gòu)速率，有針對(duì)性地重構(gòu)顯著區(qū)域的優(yōu)點(diǎn)。
附圖說明
圖1為本發(fā)明基于顯著圖和稀疏表示的超分辨率重構(gòu)方法的流程圖。
具體實(shí)施方式
下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。
本實(shí)施例所提供的圖像超分辨率重構(gòu)方法，是基于全局對(duì)比度的FT算法，與超分辨率重構(gòu)算法相互結(jié)合，通過對(duì)低分辨率圖像進(jìn)行插值分塊得到低分辨率圖像塊，以及采取FT算法檢測(cè)得到的顯著圖進(jìn)行二值化，按照?qǐng)D像塊是否包含二值化顯著圖的顯著點(diǎn)來判定是否為圖像的顯著區(qū)域，然后對(duì)圖像的顯著區(qū)域通過來聯(lián)合訓(xùn)練方法對(duì)高低分辨率的字典對(duì)進(jìn)行訓(xùn)練，并采取基于稀疏表示的超分辨率重構(gòu)算法進(jìn)行重構(gòu)，非顯著區(qū)域則采取雙三次插值法，最后將各個(gè)圖像塊合并連接，得到最終的高分辨率圖像。
如圖1所示，上述的圖像超分辨率重構(gòu)方法，包括以下步驟：
1)根據(jù)基于全局對(duì)比度的FT算法，對(duì)低分辨率圖像進(jìn)行顯著性檢測(cè)，計(jì)算出該圖像的顯著圖，對(duì)顯著圖進(jìn)行二值化，得到二值化顯著圖。
2)將輸入的低分辨率圖像進(jìn)行插值分塊，得到插值圖像塊。
3)依照步驟1)得到的二值化顯著圖，通過步驟2)得到的插值圖像塊是否包含顯著圖像像素點(diǎn)來判定采取哪種方法進(jìn)行重構(gòu)；圖像塊如果包含顯著圖像像素點(diǎn)，我們采取重構(gòu)效果比較好，計(jì)算速率比較慢的基于稀疏表示的超分辨率重構(gòu)方法，得到的重構(gòu)圖像塊為xt；否則我們則采取重構(gòu)效果稍差，計(jì)算速率快的雙三次插值法進(jìn)行重構(gòu)，得到的重構(gòu)圖像塊為yt；其具體如下：
3.1)基于稀疏表示的超分辨率重構(gòu)方法采用聯(lián)合訓(xùn)練高、低分辨率字典對(duì)方法來保持高、低分辨率字典對(duì)的同構(gòu)性，具體過程如下：
3.1.1)輸入訓(xùn)練樣本X＝{x1,x2,···,xt}；
3.1.2)采用高斯隨機(jī)矩陣對(duì)字典D進(jìn)行初始化，并歸一化字典D的每一列；
3.1.3)當(dāng)字典D固定，先用OMP算法來求解下列方程，來更新稀疏系數(shù)α：
3.1.4)當(dāng)稀疏系數(shù)α固定，采用K-SVD算法更新字典D，并同時(shí)更新稀疏系數(shù)α?xí)r，迭代直至收斂為止，此時(shí)將問題轉(zhuǎn)化為以下方程：
其中，λ是系數(shù)矩陣的稀疏度和字典的保真度，||α||1是L1范數(shù)，用來保證系數(shù)的稀疏度，是L2范數(shù)，用來去除模糊、噪聲的干擾；
3.2)根據(jù)步驟3.1)的單個(gè)字典訓(xùn)練法，為了保證高、低頻部分字典對(duì)所對(duì)應(yīng)的稀疏表示系數(shù)是一樣的，采用聯(lián)合字典的訓(xùn)練方法進(jìn)行訓(xùn)練高、低分辨率字典對(duì)，具體過程如下：
3.2.1)假設(shè)獲取的字典訓(xùn)練圖像對(duì)為{Xh,Yl}，其中Xh＝{x1,x2,...,xn}是高分辨率紋理圖像塊集，Yl＝{y1,y2,...yn}是低分辨率圖像塊特征集；
3.2.2)針對(duì)高低分辨率部分的字典分別為：
將以上兩個(gè)式子結(jié)合起來為：
其中，N,M分別為高低分辨率部分訓(xùn)練數(shù)據(jù)的向量形式的維度，1/N,1/M是平衡權(quán)重系數(shù)，上式可以轉(zhuǎn)化為：
其中：
4)將步驟3)得到的重構(gòu)后的圖像塊xt和yt進(jìn)行拼接合并處理，得到最終的高分辨率圖像X，然后對(duì)高分辨率圖像X進(jìn)行全局優(yōu)化得到最終的高分辨率圖像X*。
以上所述之實(shí)施例子只為本發(fā)明之較佳實(shí)施例，并非以此限制本發(fā)明的實(shí)施范圍，故凡依本發(fā)明之形狀、原理所作的變化，均應(yīng)涵蓋在本發(fā)明的保護(hù)范圍內(nèi)。