一種基于分類自學(xué)習(xí)的超分辨率圖像獲取方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字圖像處理領(lǐng)域，尤其涉及一種基于分類自學(xué)習(xí)的超分辨率圖像獲 取方法及系統(tǒng)。
【背景技術(shù)】
[0002] 隨著電視機(jī)顯示技術(shù)的不斷優(yōu)化，一般家庭中普遍使用的電視機(jī)屏幕不斷增大， 人們對電視圖像像素的要求越來越高。低分辨率的圖像在大屏幕電視上的表現(xiàn)效果較差， 已越來越難以滿足人們的觀看需求。超分辨率的圖像可以通過特殊的圖像處理傳感器獲 得，但是超分辨率的圖像傳感器對工藝和成本的要求都較高，所以應(yīng)用圖像處理算法獲得 超分辨率圖像。
[0003]目前圖像超分辨率重建技術(shù)主要分為兩種模式，1 :根據(jù)同一場景的一組低分辨率 圖像序列，統(tǒng)計出圖像間的移位關(guān)系，通過使用不同圖像提供的不同細(xì)節(jié)，估計出一張高分 辨率的圖像。2 :根據(jù)單一的低分辨率圖像輸入，計算輸出的超分辨率圖像。
[0004] 在第一種方法中，首先需要對低分辨率圖像序列進(jìn)行準(zhǔn)確的運(yùn)動估計，從而對圖 像進(jìn)行配準(zhǔn)，之后再根據(jù)這一系列低分辨率圖像應(yīng)用正則化、最大后驗概率等方法重建出 超分辨率的圖像結(jié)果。在這個過程中，運(yùn)動估計和圖像配準(zhǔn)很難實現(xiàn)精準(zhǔn)的配準(zhǔn)，而誤匹配 會對后續(xù)的超分辨率圖像的重建帶來較大影響。
[0005] 而第二種方法，對單一的低分辨率圖像進(jìn)行處理，可以避開運(yùn)動估計和圖像配準(zhǔn) 的過程，但由于單一的低分辨率圖像來源只能提供有限的圖像信息，所以常用的插值放大 算法獲得的超分辨率圖像效果較差，得到的超分辨率重建結(jié)果往往會出現(xiàn)鋸齒或模糊的現(xiàn) 象?；谧詫W(xué)習(xí)的單幀圖像超分辨率重建算法，能夠?qū)螏瑘D像進(jìn)行超分辨率重建處理，而 且會獲得較為清晰的結(jié)果圖像，但在實際處理過程中，對文字、同心圓等邊緣銳利的圖像容 易產(chǎn)生邊緣震蕩。
[0006] 因此，現(xiàn)有技術(shù)有待改進(jìn)和提尚。

【發(fā)明內(nèi)容】

[0007] 鑒于現(xiàn)有技術(shù)的不足，本發(fā)明目的在于提供一種基于分類自學(xué)習(xí)的超分辨率圖像 獲取方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中對圖像配準(zhǔn)時無法低分辨率圖進(jìn)行精準(zhǔn)的配準(zhǔn)，利 用單一的低分辨率圖像進(jìn)行圖像重建時，圖像邊緣容易產(chǎn)生邊緣震蕩，重建后的超分辨率 圖像質(zhì)量差的缺陷。
[0008] 本發(fā)明的技術(shù)方案如下：
[0009] -種基于分類自學(xué)習(xí)的超分辨率圖像獲取方法，其中，方法包括：
[0010] A、預(yù)先設(shè)置一個平滑度判決窗口及平滑度判決門限并存儲；
[0011] B、利用平滑度判決窗口對低分辨率圖像進(jìn)行平滑性判定；
[0012] C、對低分辨率圖像進(jìn)行兩次采樣后獲取低分辨率圖像的對應(yīng)的只包含高頻信息 的尚頻圖像；
[0013] D、根據(jù)低分辨率圖像的平滑性判定結(jié)果，分別采用不同的匹配方法，并對匹配后 的圖像進(jìn)行高頻增強(qiáng)，生成超分辨率圖像。
[0014] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取方法，其中，所述步驟A具體包括：
[0015] AU預(yù)先選擇一個預(yù)定大小的窗口范圍作為平滑度判決窗口，應(yīng)用窗口內(nèi)像素值 標(biāo)準(zhǔn)差作為平滑度計算標(biāo)準(zhǔn)并存儲；
[0016] A2、預(yù)先設(shè)置一個平滑度判決門限并存儲。
[0017] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取方法，其中，所述步驟B具體還包括：
[0018] B1、對低分辨率圖像按預(yù)定大小的窗口范圍計算窗口內(nèi)像素值的標(biāo)準(zhǔn)差，并判斷 標(biāo)準(zhǔn)差是否低于預(yù)先設(shè)置的平滑度判決門限；
[0019] B2、若標(biāo)準(zhǔn)差低于預(yù)先設(shè)置的平滑度判決門限，則判定是平滑區(qū)域；
[0020] B3、若標(biāo)準(zhǔn)差不低于預(yù)先設(shè)置的平滑度判決門限，則判定是銳利區(qū)域。
[0021 ] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取方法，其中，所述步驟C具體包括：
[0022] CU對輸入的需要處理的低分辨率圖像進(jìn)行下采樣處理，得到第一采樣圖像；
[0023] C2、對第一采樣圖像進(jìn)行上采樣處理，獲取第二采樣圖像；
[0024] C3、將低分辨率圖像減去第二采樣圖像得到只包含高頻信息的高頻圖像。
[0025] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取方法，其中，所述步驟D具體包括：
[0026] D1、對低分辨率圖像進(jìn)行上采樣處理，得到第三采樣圖像；
[0027] D2、對于低分辨率圖像中判定為銳利區(qū)域，將第三采樣圖像與低分辨率圖像進(jìn)行 匹配；
[0028] D3、對于低分辨率圖像中判定為平滑區(qū)域，將第三采樣圖像與第二采樣圖像進(jìn)行 匹配；
[0029] D4、利用高頻圖像對匹配后的圖像進(jìn)行增強(qiáng)，生成超分辨率圖像。
[0030] -種基于分類自學(xué)習(xí)的超分辨率圖像獲取系統(tǒng)，其中，系統(tǒng)包括：
[0031] 預(yù)先設(shè)置與存儲模塊，用于預(yù)先設(shè)置一個平滑度判決窗口及平滑度判決門限并存 儲；
[0032] 平滑性判定模塊，用于利用平滑度判決窗口對低分辨率圖像進(jìn)行平滑性判定；
[0033] 采樣模塊，用于對低分辨率圖像進(jìn)行兩次采樣后獲取低分辨率圖像的對應(yīng)的只包 含尚頻?目息的尚頻圖像；
[0034] 匹配與圖像生成模塊，用于根據(jù)低分辨率圖像的平滑性判定結(jié)果，分別采用不同 的匹配方法，并對匹配后的圖像進(jìn)行高頻增強(qiáng)，生成超分辨率圖像。
[0035] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取系統(tǒng)，其中，所述預(yù)先設(shè)置與存儲模塊 具體包括：
[0036] 第一預(yù)先設(shè)置與存儲單元，用于預(yù)先選擇一個預(yù)定大小的窗口范圍作為平滑度判 決窗口，應(yīng)用窗口內(nèi)像素值標(biāo)準(zhǔn)差作為平滑度計算標(biāo)準(zhǔn)并存儲；
[0037] 第二預(yù)先設(shè)置單元，用于預(yù)先設(shè)置一個平滑度判決門限并存儲。
[0038] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取系統(tǒng)，其中，所述平滑性判定模塊具體 包括：
[0039] 計算單元，用于對低分辨率圖像按預(yù)定大小的窗口范圍計算窗口內(nèi)像素值的標(biāo)準(zhǔn) 差，并判斷標(biāo)準(zhǔn)差是否低于預(yù)先設(shè)置的平滑度判決門限；
[0040] 第一判定單元，用于若標(biāo)準(zhǔn)差低于預(yù)先設(shè)置的平滑度判決門限，則判定是平滑區(qū) 域；
[0041] 第二判定單元，用于若標(biāo)準(zhǔn)差不低于預(yù)先設(shè)置的平滑度判決門限，則判定是銳利 區(qū)域。
[0042] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取系統(tǒng)，其中，所述采樣模塊具體包括：
[0043] 第一采樣單元，用于對輸入的需要處理的低分辨率圖像進(jìn)行下采樣處理，得到第 一采樣圖像；
[0044] 第二采樣單元，用于對第一采樣圖像進(jìn)行上采樣處理，獲取第二采樣圖像；
[0045] 圖像處理單元，用于將低分辨率圖像減去第二采樣圖像得到只包含高頻信息的高 頻圖像。
[0046] 所述基于分類自學(xué)習(xí)的超分辨率圖像獲取系統(tǒng)，其中，所述采樣模塊具體包括：
[0047] 第三采樣單元，對低分辨率圖像進(jìn)行上采樣處理，得到第三采樣圖像；
[0048] 第一圖像匹配單元，用于對于低分辨率圖像中判定為銳利區(qū)域，將第三采樣圖像 與低分辨率圖像進(jìn)行匹配；
[0049] 第二圖像匹配單元，用于對于低分辨率圖像中判定為平滑區(qū)域，將第三采樣圖像 與第二采樣圖像進(jìn)行匹配；
[0050] 圖像增強(qiáng)單元，用于利用高頻圖像對匹配后的圖像進(jìn)行增強(qiáng)，生成超分辨率圖像。
[0051] 有益效果：本發(fā)明對分辨率低的圖像首先進(jìn)行了平滑部分和銳利部分的判定，判 定后針對不同部分分別采用不同的圖像采樣及匹配方法，并利用圖像中的高頻信息進(jìn)行圖 像增強(qiáng)。本發(fā)明在提高圖像分辨率的同時，減少了圖像噪聲和邊緣震蕩，提高了低分辨率圖 像的清晰度，獲得邊緣平滑的超分辨率圖像。
【附圖說明】
[0052] 圖1為本本發(fā)明的一種基于分類自學(xué)習(xí)的超分辨率圖像獲取方法的較佳實施例 的流程圖。
[0053] 圖2為本發(fā)明的一種基于分類自學(xué)習(xí)的超分辨率圖像獲取方法的具體應(yīng)用實施 例的平滑度判定示意圖。
[0054] 圖3為本發(fā)明的一種基于分類自學(xué)習(xí)的超分辨率圖像獲取方法的具體應(yīng)用實施 例的圖像采樣示意圖。
[0055] 圖4為本發(fā)明的一種基于分類自學(xué)習(xí)的超分辨率圖像獲取方法的具體應(yīng)用實施 例的超分辨率圖像重建示意圖。
[0056] 圖5為本發(fā)明的一種基于分類自學(xué)習(xí)的超分辨率圖像獲取系統(tǒng)的較佳實施例的 功能原理框圖。
【具體實施方式】
[0057] 為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確，以下對本發(fā)明進(jìn)一步詳細(xì)說 明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0058] 本發(fā)明提供了一種基于分類自學(xué)習(xí)的超分辨率圖像獲取方法的較佳實施例的流 程圖，如圖1所示，所述方法包括：
[0059] 步