1.一种基于邻域回归与局部信息的图像重建方法,其特征在于:包括如下步骤:
先根据图像补丁块的局部结构信息,对图像特征进行聚类,然后针对每一类特征样本训练过完备字典,利用回归模型和最小二乘方法估计低分辨率特征与高分辨率特征之间的映射关系。
2.根据权利要求1所述的基于邻域回归与局部信息的图像重建方法,其特征在于:
更具体的步骤如下:
a、确定图像重建放大倍数r,将训练集中的低分辨率和高分辨率图像对按照重叠系数v分为大小为p×p的补丁块;设定搜索窗口q×q和搜索步长s,在低分辨率补丁块上提取大小q×q的子补丁块;
b、设定特征提取算子,分别提取低分辨率补丁块、低分辨率子补丁块和高分辨率补丁块的特征,并根据局部结构相似信息对子补丁块进行聚类,按照子补丁块的聚类标签对补丁块进行划分,构建新的子样本对集合;
c、根据步骤b得到的新的子样本对集合,分别训练过完备的联合字典;在字典对应的子样本集中,针对每个低分辨率字典原子寻找md个与其最近邻的样本,运用近邻回归方法计算低分辨率与高分辨率特征之间的映射关系;
d、根据低分辨率补丁块的子补丁块对应的聚类标签,每个低分辨率补丁块对应多个映射关系,其加权和即为重建的高分辨率补丁块特征。
3.根据权利要求2所述的基于邻域回归与局部信息的图像重建方法,其特征在于:在步骤a中,重叠系数v=2r,补丁块大小p=3r,搜索窗口大小为4×4,步长s=1,每个补丁块上采集子补丁块数量为 其中 表示向下取整操作。
4.根据权利要求2所述的基于邻域回归与局部信息的图像重建方法,其特征在于:所述步骤b中,低分辨率特征提取算子为水平方向和垂直方向的一阶微分和二阶微分算子,对低分辨率补丁块及其子补丁块分别进行卷积操作,将四个微分算子提取的特征补丁块及特征子补丁块写成向量形式,并利用主成分分析去除数据中的冗余信息,对提取的子补丁块特征进行降维;高分辨率特征提取是从高分辨率补丁块中去除相应的低频信息;
对降维后的低分辨率子补丁块特征按照欧式距离进行聚类,聚类方法为K-means算法,聚类中心个数为256;记录每个子补丁块特征的聚类标签,按照聚类标签,将相应的低分辨率补丁特征和高分辨率补丁特征分类,构建新的训练样本子集。
5.根据权利要求2所述的基于邻域回归与局部信息的图像重建方法,其特征在于:所述步骤c中,利用K-SVD算法来学习每一类样本集合对应的过完备联合字典,每个低分辨率字典原子对应的最近邻样本个数为md=2048;
利用近邻回归和最小二乘方法估计低分辨率特征与高分辨率特征之间的映射关系的公式为:其中k表示聚类标签索引,j表示低分辨率字典原子索引, 表示最近邻的低分辨率补丁块特征的样本集, 表示对应的高分辨率补丁块特征的样本集,λ表示正则化系数。
6.根据权利要求2-5任意一项所述的基于邻域回归与局部信息的图像重建方法,其特征在于:所述步骤d中,利用本方法估计的高分辨率补丁块特征为:其中u表示低分辨率子补丁块在其低分辨率补丁块上的位置索引,y表示降维的低分辨率补丁块特征,ωu表示权值,其取值为:其中ys表示降维的低分辨率子补丁块特征,c表示聚类中心,k表示聚类标签索引,h是一个先验系数,通常取值为1。