【技术实现步骤摘要】
本专利技术属于视频图像处理
,特别是涉及一种图像视频超分辨率方法和装置。
技术介绍
图像超分辨率是指利用计算机把一幅低分辨率的图像放大为一幅高分辨率的图像,并且估计出在放大过程中需要增补的图像信息的一类方法。视频超分辨率分为两类,一类是指从一个视频中,利用多帧的信息,重建出一个关键帧,在监控中有较多的应用。另一类是指对视频的每一帧进行放大,生成一个高分辨率的视频,主要在视频广播领域内应用。数字图像生成设备(数码相机、数码摄像机等)的使用已经越来越普及,也使得数字图像得到了越来越广泛的应用。随着电子设备的快速更新换代,CMOS和CCD图像传感器的发展,视频采集和显示设备的分辨率越来越高,不同设备采集的视频的大小也是参差不齐。把高分辨率的视频降采样到低分辨率显示设备上显示相对比较容易,但是把低分辨率视频放大到高分辨率大小显示就相对比较复杂,需要通过低分辨率视频猜测出未知的信息填补到高分辨率视频中,以使重建的高分辨率视频保证足够的清晰度,并且让人眼的感官比较自然。随着计算机和图像处理技术的发展,视频图像的超分辨率技术为增强和放大低分辨率的视频提供了很好的解决方案。它可将低分辨率的视频进行更好的放大,从而可以在高分辨率的显示设备上进行显示。视频图像超分辨率是一项非常有前景的技术,相比于传统的图像插值方法,超分辨率方法能够提供更加优异的图像视频放大效果。它可在图像放大的过程中保持图像的边缘和细节,从而得到更接近原始高分辨率图像的结果。针对视频广播领域的超分辨率通常的单帧图像超分辨率。单帧视频图像的超分辨率通常采用两类方法,一类是基于样例学习的超分辨率算法,一 ...
【技术保护点】
一种图像视频超分辨率方法,其特征在于,包括如下步骤:输入步骤,输入低分辨率图像;超分辨率步骤,包括插值和去模糊,对所述低分辨率图像进行插值,并通过加权全变差正则化约束的超分辨率模型对所述插值后图像进行去模糊;以及输出步骤,输出高分辨率图像。
【技术特征摘要】
1.一种图像视频超分辨率方法,其特征在于,包括如下步骤:输入步骤,输入低分辨率图像;超分辨率步骤,包括插值和去模糊,对所述低分辨率图像进行插值,并通过加权全变差正则化约束的超分辨率模型对所述插值后图像进行去模糊;以及输出步骤,输出高分辨率图像。2.根据权利要求1所述的图像视频超分辨率方法,其特征在于,还包括过量去模糊控制步骤,对所述插值后的图像进行划分,区分为稀疏边缘、纹理区域和平滑区域,其中,在所述稀疏的边缘和所述纹理区域执行所述去模糊步骤,在所述平滑区域直接使用插值。3.根据权利要求1或2所述的图像视频超分辨率方法,其特征在于,所述超分辨率步骤包括如下步骤:建模步骤,建立加权全变差正则化约束的超分辨率模型,表示为, x ^ = arg min x ^ 1 2 | | D B x - y | | 2 2 + μ W | | V x | | 1 ]]>其中,表示还原的高分辨率图像,D表示相应倍数的降采样,B表示模糊核,x表示原始高分辨率图像,y表示生产的低分辨率图像,μ是一个可以调节的参数,W是对角的权重矩阵,Vx包括横向、纵向还有斜向的一阶差分;以及求解步骤,通过交替迭代法求解得到更新像素权重,迭代多次,直到收敛。4.根据权利要求2所述的图像视频超分辨率方法,其特征在于,所述过量去模糊的控制步骤具体包括如下步骤:计算所述插值后的图像的梯度值;利用一个阈值生成一个掩膜,对梯度值进行选择,其中,梯度值大于阈值的部分,代入所述加权全变差正则化约束的超分辨率模型,梯度值小于阈值的部分,使用插值的结果。5.根据权利要求3所述的图像视频超分辨率方法,其特征在于,所述建模步骤,具体包括如下步骤:建立图像降质模型,包括模糊和降采样两个部分,表示为: y = D ( B ⊗ x ) ]]>其中,x表示原始高分辨率图像,B表示模糊核,表示卷积过程,D表示相应倍数的降采样,y表示生产的低分辨率图像;建立超分辨率模型,包括图像插值和去模糊两个部分,表示为: x ^ = B ⊗ - 1 ( D - 1 y ) ]]>其中,表示还原的高分辨率图像,B表示模糊核,表示反卷积过程,D-1表示相应倍数的插值过程,y表示低分辨率图像;以及加权全变差正则化约束,采用的加权的全变差约束方式对所述超分辨率模型的还原结果进行约束,使所述还原结果不被噪声干扰,且符合真实图像的结果。6.根据权利要求5所述的图像视频超分辨率方法,其特征在于,所述加权全变差正则化约束步骤具体包括:在观察到低分辨率图像y的情况下,求一个高分辨率的图像使其条件概率最大,表示为下式, x ^ = arg max x ln p ( x | y ) ; ]]>引入真实图像的先验重建最终的结果;以及采用加权的全变差正则化约束方式,对较大的一阶差分项进行弱约束,对于较小的一阶差分项进行强约束。7.根据权利要求5或6所述的图像视频超分辨率方法,其特征在于,所述加权的全变差正则化约束的权重表示为: w ...
【专利技术属性】
技术研发人员:杨长水,柏园超,贾惠柱,解晓东,陈瑞,
申请(专利权)人:北京大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。