本发明专利技术公开了一种图像块分类方法和装置及其超分辨重建方法和装置，所述图像块分类方法，包括：对图像进行边缘检测，提取图像中的边缘像素点；对经过边缘检测的图像进行切块处理，并计算每个图像块中边缘像素点在该图像块中所占的比例；若比例大于预设阈值，则将所述图像块划分为纹理类图像块；否则，将所述图像块划分为平滑类图像块。本发明专利技术提供的图像块分类方法和装置及其超分辨重建方法和装置，对图像进行分块，并将图像块分为纹理类与平滑类，并分别进行超分辨率重建，最后进行图像融合，融合不同类别的图像块，使得图像过渡自然。本发明专利技术提供的方法通用性强，重构效果好。重构效果好。重构效果好。
【技术实现步骤摘要】
图像块分类方法和装置及其超分辨重建方法和装置
[0001]本专利技术涉及超分辨重建
，更具体的说是涉及一种图像块分类方法和装置及其超分辨重建方法和装置。
技术介绍
[0002]现在的超分辨重建模型往往忽略局部的图像纹理特征。现阶段超分辨重建方法中，均是以整张图像作为处理单元。一张图像往往都是多种类型的局部图像组合，会导致忽略局部的图像纹理特征。而且，现有的超分辨率重建方法一般是针对特定类型图像的重构，例如对于人脸图像的重构，只能在某一类图像中表现出较好的重构效果，不具有通用性。
[0003]因此，如何提供一种具有通用性的超分辨重建方法是本领域技术人员亟需解决的问题。
技术实现思路
[0004]有鉴于此，本专利技术提供了一种图图像块分类方法和装置及其超分辨重建方法和装置，具有通用性，重构效果好。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种图像块分类方法，包括：
[0007]对图像进行边缘检测，提取图像中的边缘像素点；
[0008]对经过边缘检测的图像进行切块处理，并计算每个图像块中边缘像素点在该图像块中所占的比例；
[0009]若所述比例大于预设阈值，则将所述图像块划分为纹理类图像块；否则，将所述图像块划分为平滑类图像块。
[0010]优选的，包括：在所述对图像进行边缘检测，提取图像中的边缘像素点之前，还包括：对图像进行图像增强处理。
[0011]优选的，所述对图像进行边缘检测，提取图像中的边缘像素点具体包括：
[0012]对图像进行高斯滤波；
[0013]基于经过高斯滤波后的图像，计算每个像素点的梯度强度和方向；
[0014]基于非极大值抑制方法得到保留的像素点；
[0015]基于第一阈值和第二阈值再次对保留的像素点进行过滤，若当前像素点的梯度值大于第一阈值，则该像素点作为强边缘保留；若当前像素点的梯度值小于第一阈值且大于第二阈值，则该像素点作为弱边缘，待下一步骤筛选；若小于第二阈值，则抛弃该像素点；其中，第一阈值大于第二阈值；
[0016]判断作为弱边缘的像素点附近的K个点中是否含有强边缘的像素点，若存在，则保留该像素点，否则抛弃该像素点，最终得到提取的边缘像素点。
[0017]优选的，K为8。
[0018]一种图像块分类装置，包括：
[0019]边缘检测模块，用于对图像进行边缘检测，提取图像中的边缘像素点；
[0020]切块模块，用于对经过边缘检测的图像进行切块处理，并计算每个图像块中边缘像素点在该图像块中所占的比例；
[0021]分类模块，用于当所述比例大于预设阈值，将所述图像块划分为纹理类图像块；否则，将所述图像块划分为平滑类图像块。
[0022]优选的，还包括：图像增强模块，用于对图像进行图像增强处理。
[0023]优选的，所述边缘检测模块具体包括：
[0024]滤波单元，用于对图像进行高斯滤波；
[0025]第一计算单元，用于基于经过高斯滤波后的图像，计算每个像素点的梯度强度和方向；
[0026]第二计算单元，用于基于非极大值抑制方法得到保留的像素点；
[0027]过滤单元，用于基于第一阈值和第二阈值再次对保留的像素点进行过滤，若当前像素点的梯度值大于第一阈值，则该像素点作为强边缘保留；若当前像素点的梯度值小于第一阈值且大于第二阈值，则该像素点作为弱边缘，待下一步骤筛选；若小于第二阈值，则抛弃该像素点；其中，第一阈值大于第二阈值；
[0028]判断单元，用于判断作为弱边缘的像素点附近的K个点中是否含有强边缘的像素点，若存在，则保留该像素点，否则抛弃该像素点，最终得到提取的边缘像素点。
[0029]优选的，K为8。
[0030]一种超分辨重建方法，包括：
[0031]将图像输入到粗粒度SR模型进行处理，得到初步处理的图像；
[0032]基于上述的图像块分类方法将初步处理的图像划分为纹理类图像块和平滑类图像块；
[0033]将纹理类图像输入到纹理SR模型中，得到重建的纹理类图像块；将平滑类图像输入到平滑SR模型中，得到重建的平滑类图像块；
[0034]对重建后的纹理类图像块和重建后的平滑类图像块进行融合，得到超分辨重建结果。
[0035]一种超分辨重建装置，包括：
[0036]初步处理模块，用于将图像输入到粗粒度SR模型进行处理，得到初步处理的图像；
[0037]分类模块，用于基于上述的图像块分类装置将初步处理的图像划分为纹理类图像块和平滑类图像块；
[0038]重建模块，用于将纹理类图像输入到纹理SR模型中，得到重建的纹理类图像块；将平滑类图像输入到平滑SR模型中，得到重建的平滑类图像块；
[0039]融合模块，用于对重建后的纹理类图像块和重建后的平滑类图像块进行融合，得到超分辨重建结果。
[0040]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种图图像块分类方法和装置及其超分辨重建方法和装置，对图像进行分块，并将图像块分为纹理类与平滑类，并分别进行超分辨率重建，最后进行图像融合，融合不同类别的图像块，使得图像过渡自然。本专利技术提供的方法通用性强，重构效果好。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0042]图1为本专利技术提供的一种超分辨重建方法的流程示意图；
[0043]图2为本专利技术提供的图像块分类的示意图；
[0044]图3为本专利技术提供的对比实验示意图；
[0045]图4为本专利技术提供的实验结果图；
[0046]图5为本专利技术提供的不同图像块的P值示意图。
具体实施方式
[0047]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0048]参见附图1，本专利技术提供了一种超分辨重建方法，主要包括五部分，粗略度SR模型、图像块分类模型、平滑SR模型与纹理SR模型以及图像融合模块；
[0049]粗粒度SR模型是一个简单的通用的SR模型，在图像块分类时，根据图像块中边缘、纹理、细节等高频信息所占图像的比例分为平滑类和纹理类，再分别构建平滑类和纹理类的SR重建模型。融合模块将对重建后的纹理图像块、平滑图像块进行融合拼接，使得最后输出的HR图像过渡自然。
[0050]假设输入LR图像为x，模型最终输出的HR图像为y，经过粗粒度SR模型之后，将生成一个模糊的HR图像y本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像块分类方法，其特征在于，包括：对图像进行边缘检测，提取图像中的边缘像素点；对经过边缘检测的图像进行切块处理，并计算每个图像块中边缘像素点在该图像块中所占的比例；若所述比例大于预设阈值，则将所述图像块划分为纹理类图像块；否则，将所述图像块划分为平滑类图像块。2.根据权利要求1所述的一种图像块分类方法，其特征在于，包括：在所述对图像进行边缘检测，提取图像中的边缘像素点之前，还包括：对图像进行图像增强处理。3.根据权利要求1或2所述的一种图像块分类方法，其特征在于，所述对图像进行边缘检测，提取图像中的边缘像素点具体包括：对图像进行高斯滤波；基于经过高斯滤波后的图像，计算每个像素点的梯度强度和方向；基于非极大值抑制方法得到保留的像素点；基于第一阈值和第二阈值再次对保留的像素点进行过滤，若当前像素点的梯度值大于第一阈值，则该像素点作为强边缘保留；若当前像素点的梯度值小于第一阈值且大于第二阈值，则该像素点作为弱边缘，待下一步骤筛选；若小于第二阈值，则抛弃该像素点；其中，第一阈值大于第二阈值；判断作为弱边缘的像素点附近的K个点中是否含有强边缘的像素点，若存在，则保留该像素点，否则抛弃该像素点，最终得到提取的边缘像素点。4.根据权利要求3所述的一种图像块分类方法，其特征在于，K为8。5.一种图像块分类装置，其特征在于，包括：边缘检测模块，用于对图像进行边缘检测，提取图像中的边缘像素点；切块模块，用于对经过边缘检测的图像进行切块处理，并计算每个图像块中边缘像素点在该图像块中所占的比例；分类模块，用于当所述比例大于预设阈值，将所述图像块划分为纹理类图像块；否则，将所述图像块划分为平滑类图像块。6.根据权利要求5所述的一种图像块分类装置，其特征在于，还包括：图像增强模块，用于对图像进行图像增强处理。7.根据权利要求5或6所述的一种图像...
【专利技术属性】
技术研发人员：李浩然，宫晓利，张金，魏鑫，
申请(专利权)人：南开大学，
类型：发明
国别省市：
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。