压缩超分辨率重建中构建代价函数的方法

(19)中民国家知识

(10)公告号 公告日(21)(22)(73)专利权人大地址430072省市武昌珞珈(72)发明人韩镇(74)专利机构知人7/267/5017/14 B1,2001.09.04,压缩超分辨率重建中构建代价函数的

A2,2005.07.21,全文 A,2005.08.17,全文. ,1989.02.21,员权利要求书2说明书5附图1法B本发明公开了一种压缩超分辨率重建布参数的正则约束项和一般约束项三个部分降质得到的低分辨率图像的量化前DCT分布参数含频域系数分布参数的正则约束项；最后，将上B 权利要求 1/2MAP重建代价函数分为A(ZλB(Zλ)C(Z)三项A(Zλ)是考虑了量化噪声后的重建误差项，B(Z，λ)是利用量化系数分布特性形成的正则约束项，C(Z)是一般MAP重建正则Zλ是量化前DCT系数分布参MAP重建J(Z，λ＝A(Z，λ)+B(Z，λ)+C(Z根据量化步长q和量化后DCT系数yq计算间隔[-q/2，+q/2]内的单个量化噪声计算图像y’的量化前DCT系数的方差并根据量化前的DCT系数分布特性进行yλ′λ′2；将构建的重建误差项和正则约束项代入(1)中已建立的MAP域系数Zλ的双域双变量代价函数。根据权利要求1所述压缩超分辨率重建中构建代价函数的方法其特征在于步差k组成。(3)A(Z，λ)* *y′＝ (5)yλ′其中为减去图像块Z的DC部分以外的方差值，K1和K2为由水平与垂直方向的一阶自相关数组成的对角矩阵，TDCT变换操作。 权利要求 2/2 说明 1/5压缩超分辨率重建中构建代价函数的方 数据。由于当前大多均为压缩类型，而压缩产生的量化噪声是相对于非压缩[0003] DCTMAP(BahadirK.GuntrkYucelAltunbasak，Super-ResolutionReconstructionofCompressedUsingTransformStatisticsIEEETran.ImageProcessingvol.13no.1January2004)还有提出一种基于自适应量化噪声矩阵的超分辨率重建算法，该算法对于空域量化噪声也采用模型，对于频域量化噪声则给出了一种根据量化前系数计算频域量化噪声矩阵的方法，使得该矩阵能够根据量化前系数的特征进行自适应调整(S.C.Park，nC.A.SegallandA.K.KatsaggelosSpatiallyadaptivehigh-resoltuionimagereconstructionoflow-resolutiondct-basedcompressedimagesIEEETrans.ImageProcessingvol.13no.4pp.573-585April2004)。该算法考虑了量化前系数。 B(ZλJ(Z，λ＝A(Z，λ)+B(Z，λ)+C(Z 说明 2/5 Y 2yλ′λ′2；Y [0012](7)(1)MAP具有空域系数Zλ的双域双变量代价函数。 [0018]8×8DCTλB(ZλJ(Z，λ＝A(Z，λ)+B(Z，λ)+C(Z[0021](2)qyqq/2q/2差的模型k并将其作为矩阵元素构建量化噪声矩阵Kλ根据下式计算间隔[-q/2q/2内的单个量化噪声方差的模型： 实施例中我们取图像

说明 3/5 由式(1)计算出由于k为λ的函数可记为kf(λ) 组成。因Kλ也为包含λ的函数 * y；yy′＝

说明 4/5Y[0038](6)计算图像y’的量化前DCT系数的方差表示σ2并根据量化前的DCT系数分布特性进行概率统计，估y’所对应的分布系数λ′的方差表示λ′2；Y Z Z K1K2为由水平与垂直方向的一阶自相关数组成的对角矩 [0047](8)将步骤(4)所得重建误差项A(Z，λ)和步骤(7)所得正则约束项B(Z，λ)代入步(1)中已建立的