(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 103871041 A (43)申请公布日 2014.06.18 | ||
| 正则化长细比超限怎么调整 |
(21)申请号 CN201410108363.7
(22)申请日 2014.03.21
(71)申请人 上海交通大学
地址 200240 上海市闵行区东川路800号
(72)发明人 张爱新 金波 徐光耀 李建华 王芳 李生红
(74)专利代理机构 上海新天专利代理有限公司
代理人 张宁展
(51)Int.CI
G06T5/50
G06T3/40
权利要求说明书 说明书 幅图 |
(54)发明名称
基于认知正则化参数构建的图像超分辨率重构方法 | |
(57)摘要
一种基于认知正则化参数构建的图像超分辨率重构方法，利用人眼认知理论为每一个图像分块计算合适的正则化参数，称之为认知正则化参数，并将其引入到求解稀疏表示的过程中，然后再结合基于稀疏表示的超分辨率重构方法对所有分块进行重构，最后重组所有重构后的分块得到高分辨率图像。将本发明用于人脸图像中进行测试，结果表明本方法在重构图像效果上优于使用固定正则化参数的方法。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
权 利 要 求 说 明 书
1.一种基于认知正则化参数构建的图像超分辨率重构方法，其特点在于，首先，对待处理的低分辨率图像进行分块，利用人眼认知理论，根据每一个图像分块的纹理特征，分别计算认知正则化参数；然后，将构建的认知正则化参数引入到稀疏表示的求解过程中，再结合基于稀疏表示的重构方法对所有分块进行超分辨率重构；最后，重组所有分块得到高分辨率图像。
2.根据权利要求1所述的基于认知正则化参数构建的图像超分辨率重构方法，其特征是，该方法包括如下步骤：
1）输入N×M大小的单幅低分辨率图像Y<Sub>0</Sub>，采用双三次插值法将其放大a倍，
即设a为期望的放大倍数，a为正整数且a>1，得到矩阵Y∈R<Sup>aN×aM</Sup>；
2）对矩阵Y分块提取特征，得到矩阵Y的特征向量集U{t<Sub>1</Sub>,t<Sub>2</Sub>,…,t<Sub>Q</Sub>}，其中Q=a(N-4)*a(M-4);
3）计算矩阵Y每个分块的认知正则化参数λ<Sub>i</Sub>，其中i=1,2,…,Q；
具体为：
3.1）依据人眼认知理论，计算矩阵Y中每个像素点的纹理认知模型系数：
3.1.1）对矩阵Y进行小波变换，每一级小波变换会形成4个<Image>大小的子图，分别是低频近似分量L，垂直高频细节分量H<Sub>v</Sub>，水平高频细节分量H<Sub>h</Sub>，对角高频细节分量H<Sub>d</Sub>；
3.1.2）计算对比度图像<Image>
<Math><MathText>><mrow><mi>C</mi><mo>=</mo><mfrac><mrow><msub><mi>C</mi><mi>v</mi></msub><mo>+</mo><msub><mi>C</mi><mi>h</mi></msub><m
o>+</mo><msub><mi>C</mi><mi>d</mi></msub></mrow><mn>3</mn></mfrac></mrow></math>></Math>
其中，<Image>为垂直对比度，<Image>为水平对比度，<Image>为对角对比度；
采用步骤1）所述的双三次差值法对C放大2倍，得到矩阵Y的对比度图像C∈R<Sup>aN×aM</Sup>；
3.1.3）计算构造像素位置(k,s)处的认知纹理模型系数Q<Sub>k,s</Sub>，公式如下：
<Math><MathText>><mrow><msub><mi>Q</mi><mrow><mi>k</mi><mo>,</mo><mi>s</mi></mrow></msub><mo>=</mo><mi>ρ</mi><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>μ</mi><mo>,</mo><mi>η</mi><mo>)</mo></mrow><mo>∈</mo><mi>neighborhood><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>s</mi><mo>)</mo></mrow></mrow></munder><mfrac><mrow><mo>|</mo><msub><mi>C</mi><mrow><mi>μ</mi><mo>,</mo><mi>η</mi></mrow></msub><mo>|</mo></mrow><mrow><mo>|</mo><msub><mi>n</mi><mrow><mi>k</mi><mo>,</mo><mi>s</
mi></mrow></msub><mo>|</mo></mrow></mfrac><msub><mi>F</mi><mrow><mi>μ</mi><mo>,</mo><mi>η</mi></mrow></msub></mrow></math>></Math>
其中，ρ为归一化参数，使得纹理模型系数矩阵Q的取值范围约定在[0,1]之间，neighborhood of(k,s)表示(k,s)的邻域，其定义为以像素点(k,s)为中心点，大小为(2δ+1)×(2θ+1)的矩形区域，δ、θ为正整数；|n<Sub>k,s</Sub>|为(k,s)邻域中小波系数的个数；C<Sub>μ，η</Sub>表示位置(μ,η)处的亮度对比度，F<Sub>μ，η</Sub>表示邻域(2δ+1)×(2θ+1)内的系数波动度，其定义为：
<Math><MathText>><mrow><msub><mi>F</mi><mrow><mi>μ</mi><mo>,</mo><mi>η</mi></mrow></msub><mo>=</mo><mn>0.5</mn><msubsup><mi>F</mi><mrow><mi>μ</mi><mo>,</mo><mi>η</mi></mrow><mi>h</mi></msubsup><mo>+</mo><mn>0.5</mn><msubsup><mi>F</mi><mrow><mi>μ</mi><mo>,</mo><mi>η</mi></mrow><mi>v</mi></msubsup></mrow></math>></Math>
其中，<Image>为水平波动度，定义为：
<Math><MathText>><mrow><msubsup><mi>F</mi><mrow><mi>μ</mi><mo>,</mo><mi>η</mi></mrow><mi>h</mi></msubsup><mo>=</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>δ</mi><mo>+</mo><mn>1</mn></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mi>μ</mi><mo>-</mo><mi>δ</mi></mrow><mrow><mi>μ</mi><mo>+</mo><mi>δ</mi></mrow></munderover><mfrac><mrow><msubsup><mi>Σ</mi><mrow><mi>n</mi><mo>=</mo><mi>η</mi><mo>-</mo><mi>θ</mi></mrow><mrow><mi>η</mi><mo>+</mo><mi>θ</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mo>|</mo><msub><mi>C</mi><mrow><mi>m</mi><mo>,</mo><mi>n</mi></mrow></msub><mo>-</mo><msub><mi>C</mi><mrow><mi>m</mi><mo>,</mo><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>|</mo></mrow><mrow><msubsup><mi>Σ</mi><mrow><mi>n</mi><mo>=</mo><mi>η</mi><mo>-</mo><mi>θ</mi></mrow><mrow><mi>η</mi><mo>+</mo><mi>θ</mi></mrow></msubsup><mo>|</mo><msub><mi>C</mi><mrow><mi>m</mi><mo>,</mo><mi>n</mi></mrow></msub><mo>|</mo></mrow></mfrac></mrow></math>></Math>
<Image></Image>为垂直波动度，定义为：
<Math><MathText>><mrow><msubsup><mi>F</mi><mrow><mi>μ</mi><mo>,</mo><mi>η</mi></mrow><mi>v</mi></msubsup><mo>=</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>θ</mi><mo>+</mo><mn>1</mn></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>n</mi><mo>=</mo><mi>η</mi><mo>-</mo><mi>θ</mi></mrow><mrow><mi>η</mi><mo>+</mo><mi>θ</mi></mrow></munderover><mfrac><mrow><msubsup><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mi>μ</mi><mo>-</mo><mi>δ</mi></mrow><mrow><mi>μ</mi><mo>+</mo><mi>δ</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mo>|</mo><msub><mi>C</mi><mrow><mi>m</mi><mo>,</mo><mi>n</mi></mrow></msub><mo>-</mo><msub><mi>C</mi><mrow><mi>m</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>n</mi></mrow></msub><mo>|</mo></mrow><mrow><msubsup><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mi>μ</mi><mo>-</mo><mi>δ</mi></mrow><mrow><mi>μ</mi><mo>+</mo><mi>δ</mi></mrow></msubsup><mo>|</mo><msub><mi>C</mi><mrow><mi>m</mi><mo>,</mo><mi>n</mi></mrow></msub><mo>|</mo></mrow></mfrac></mrow></math>></Math>
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论