两个人的电影免费视频_国产精品久久久久久久久成人_97视频在线观看播放_久久这里只有精品777_亚洲熟女少妇二三区_4438x8成人网亚洲av_内谢国产内射夫妻免费视频_人妻精品久久久久中国字幕

一種基于顯著圖和稀疏表示的圖像超分辨率重構(gòu)方法與流程

文檔序號(hào):11922032閱讀:295來(lái)源:國(guó)知局

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(lái)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(shuō)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(lái)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(guò)視覺(jué)來(lái)獲取的,人類的視覺(jué)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(jué)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(lái),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(guò)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(lái)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(guò)來(lái)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(guò)步驟2)得到的插值圖像塊是否包含顯著圖像像素點(diǎn)來(lái)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(lái)保持高、低分辨率字典對(duì)的同構(gòu)性,具體過(guò)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(lái)求解下列方程,來(lái)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(wèn)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(lái)保證系數(shù)的稀疏度,是L2范數(shù),用來(lái)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(guò)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(lái)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(kù)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(guò)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(lái),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(shuō)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(shuō)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(guò)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(lái)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(guò)來(lái)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(guò)步驟2)得到的插值圖像塊是否包含顯著圖像像素點(diǎn)來(lái)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(lái)保持高、低分辨率字典對(duì)的同構(gòu)性,具體過(guò)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(lái)求解下列方程,來(lái)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(wèn)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(lái)保證系數(shù)的稀疏度,是L2范數(shù),用來(lái)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(guò)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(lái)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)。

當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
丰县| 醴陵市| 团风县| 花垣县| 广宁县| 大田县| 嘉祥县| 曲水县| 莱州市| 缙云县| 松江区| 平陆县| 千阳县| 塔河县| 怀安县| 建平县| 东乡县| 黔西| 恭城| 绥化市| 酒泉市| 武冈市| 辽阳县| 辽源市| 额尔古纳市| 斗六市| 靖远县| 陆良县| 平罗县| 谷城县| 安徽省| 朝阳区| 渭源县| 嘉义县| 宜兰市| 来宾市| 长顺县| 晋州市| 灯塔市| 平顶山市| 无极县|