In this method, firstly, 2 dimensional discrete cosine transform of image block (2D DCT). Then, the low frequency coefficient 2D DCT will be given more weight, the high frequency coefficients will be given less weight. Then, the coefficient of 2D DCT and its weight multiplied, the results will be through the 3D DCT transform to extract the feature of images. Next, the above results are preserved in the training set, as well as the information of the real high resolution blocks. At the same time, an index that uses the above results to measure similarity between image blocks is proposed. In the process of online amplification, the same image blocks in the training set are selected by using this index, and the manifold learning method is used to reconstruct the high resolution image blocks. In order to reduce the computational complexity of the method, using 2 K improved the means to classify the image blocks in the training set. Experimental results show that the performance of this method is better than that of traditional domain embedding method and bilinear interpolation method.
【技术实现步骤摘要】
一种新的基于邻域嵌入的超分辨率方法
本专利技术涉及一种图像超分辨率放大的方法,尤其涉及一种把低分辨率图像进行超分辨率放大得到高分辨率的图像的方法。
技术介绍
在互联网中,其网络中的节点通常在存储方面存在着存储空间的限制和在传输图像方面存在着发射功率方面的限制。由于高分辨率的图像经过压缩后产生的比特数往往超过了互联网中节点的存储空间和传输能力,因此在互联网的节点中存储和发送的往往是低分辨率的图像。但是,这些图像的观众或客户通常希望看到高分辨率的图像以清楚地看到图像中的细节,这些低分辨率的图像往往满足不了他们的需求。为解决这一问题,超分辨率技术被提出来以从低分辨率的图像构建高分辨率的图像。图像超分辨率的方法的目的是提高图像的分辨率。其利用一幅或多幅低分辨率的图像来构建一幅高分辨率的图像。本文考虑和研究的是仅利用一幅低分辨率的图像来得到一幅高分辨率图像的方法。这种方法可被称为单帧图像放大方法。这些方法通常不需要特定的硬件,同时具有较低的实现成本。它们有着广泛的应用领域,可对互联网中存储和发送的图像、计算机网络中的图像、遥感图像、医学图像、视频图像等各种图像进行放大处理。现有的图像超分辨率方法可以分为如下的三种方法:基于插值的方法、基于图像重构的方法、和基于学习的方法。在基于插值的方法中,它们利用当前要插值的像素周围的像素点的值来获得当前像素值。这些方法一般来说拥有较低的计算复杂度。但是,这些方法所获得的高分辨率图像通常存在图像边缘部分模糊的问题。在基于图像重构的方法中,它们先对高分辨率图像的降质和下采样过程进行建模,然后利用图像的先验信息和此模型来进行正则化的处 ...
【技术保护点】
一种图像处理中的超分辨率处理方法,用于把低分辨率图像转换为高分辨率的图像,其特征在于:其对输入的训练图像的离线处理包括以下步骤,以产生供在线过程使用的训练集合,A1)对输入的高分辨率的图像进行滤波和下采样的过程,以模拟图像从高分辨率图像降质到低分辨率图像的过程;A2)提取此低分辨率图像中的图像块X
【技术特征摘要】
2016.11.11 CN 20161100713561.一种图像处理中的超分辨率处理方法,用于把低分辨率图像转换为高分辨率的图像,其特征在于:其对输入的训练图像的离线处理包括以下步骤,以产生供在线过程使用的训练集合,A1)对输入的高分辨率的图像进行滤波和下采样的过程,以模拟图像从高分辨率图像降质到低分辨率图像的过程;A2)提取此低分辨率图像中的图像块Xi和与此对应的高分辨率图像中的图像块Yi,初始时i=1;A3)对提取的低分辨率的3维图像块Xi中的红色、绿色、和蓝色的分量的2维的图像块分别进行二维的离散余弦(DCT)的变换,产生DCT系数A4)设计和2维DCT块一样大的非一致因子的二维数组Q,使低频的DCT系数对应较大的因子,高频的DCT系数对应较小的因子;A5)把DCT系数和其对应的因子进行相乘的操作,得到数组即有这里X(m,n)表示数组X的第(m,n)个元素,1≤m≤M,1≤n≤N,M×N是低分辨率图像块的大小;A6)对A5)中所得到的3个2维的块,进行3维的DCT变换,即有这里,XTQTi是第i块变换后的结果,1≤m≤M,1≤n≤N,M×N是低分辨率图像块的大小,并在训练集合中存储对此低分辨率块所进行以上操作所得到的3维的DCT系数XTQT(m,n,k),1≤m≤M,1≤n≤N,k=1,2,或3,这里M×N是低分辨率图像块的大小,k=1时表示红色,k=2时表示绿色,k=3时表示蓝色;A7)对以上A2)中提取的低分辨率块Xi进行双立方插值得到一高分辨率块在训练集合中存储A2)中提取的高分辨率块Yi和以上高分辨率块之间的差值即对第i块,存储在训练集合中的第i条信息为X(i),XTQT(i)和D(i),其中X(i)=Xi,XTQT(i)=XTQTi,D(i)=Di;A8)跳到A2)提取下一对图像块,i=i+1,以在训练集合中继续存储A6)和A7)步骤得到的信息,直到遍历图像中所有的图像块;A9)跳到A1),i=i+1,从下一幅训练图像中提取和存储信息;A10)按照对低分辨率的图像块提取的信息XTQTi进行改进的k-均值(k-means)的分类,以把相似的图像块聚为一类,这里在计算块与块之间的相似度时采取的指标为:在对要放大的低分辨率图像所进行的在线放大的过程包括如下步骤,B1)提取要放大的低分辨率的图像中的第j个图像块Xj,初始时j=1;B2)对此图像块Xj进行以上A3)到A6)的步骤的处理,得到3维的数组XTQTj;B3)对低分辨率的图像块Xj进行双立方插值得到高分辨率的图像块B4)在训练集合中进行搜索的过程。此过程对在离线过程中所得到的训练集合中进行搜索,提取训练集合中的第q条信息,得到在A7)步骤存储的第q个XTQT(q)和D(q),然后得到和此D(q)所对应的高...
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。