一种提高图像分辨率的装置和方法制造方法及图纸

公开了一种方法和装置，通过从多个空间分类中为输入图像矢量确定输入图像矢量最接近的相邻分类，来提高图像分辨率。在一个实施方案中，通过首先接收要划分成几个空间分类之一的输入图像矢量来确定最接近的相邻分类。每个空间分类都具有对应的归一化平均分类矢量。输入的图像矢量被归一化。然后，确定归一化图像矢量到每个归一化平均分类矢量之间的加权距离。根据加权距离确定属于到输入图像矢量的最接近的相邻分类的分类矢量。将对应于最接近的相邻分类的滤波器应用于输入图像矢量来提高图像的分辨率。（*该技术在2021年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及图像处理领域。
技术介绍
已经表明利用空间分类能够提高空间滤波结果。一种技术是在分类抽头中对每个像素进行门限处理，形成对应的二进制值。然后利用这个二进制值来选择空间分类。但是这种技术不是与分类数的大小成比例，因为空间分类的数量随着分类抽头的数量增大按指数规律增长。例如，半径为1的钻石抽头分类器有5个抽头，提供25＝32个空间分类。半径为2的钻石抽头分类器有13个抽头，提供213＝8192个空间分类。更多的抽头需要上百万个分类。二进制门限分类技术的第二个局限性在于它对误差和单个像素的变化非常敏感。这种敏感性给分类带来了某种随机性，使得分类更加象单类。虽然这样做能够提供平滑的分类过渡，但是它限制了性能。
技术实现思路
公开了一种方法和装置，用于从多个空间分类为输入的图像矢量确定最近的相邻分类，从而提高图像分辨率。在一个实施方案中，通过首先接收要分类成几个空间分类之一的输入图像矢量来确定最近的相邻分类。每个空间分类都有对应的归一化平均分类矢量。输入的图像矢量被归一化。然后，确定从归一化的图像矢量到每个归一化平均分类矢量的加权距离。在加权距离的基础之上确定到输入图像矢量最近的相邻分类的分类矢量。将对应于最近相邻分类的滤波器应用于输入图像矢量，提高图像的分辨率。附图说明下面通过附图以实例的形式而不是限制性的形式介绍本专利技术，其中相似的引用符号表示相似的部件。在这些附图中图1给出用于估计样本值的空间滤波器的实施方案。图2给出从较低分辨率图像产生提高了分辨率的图像的一个实例。图3给出提高分辨率的最近相邻分类滤波方法的一个实施方案。图4给出提高分辨率的最近相邻分类滤波装置的一个实施方案。图5给出提高分辨率的最近相邻分类滤波方法的另一个实施方案。具体实施例方式下面给出从多个空间分类为输入图像矢量确定最近相邻分类，提高图像分辨率的一种方法和装置。在一个实施方案中，通过首先接收要分类成几个空间分类之一的输入图像矢量来确定最近的相邻分类。每个空间分类都有对应的归一化平均分类矢量。对输入图像矢量进行归一化。然后确定从归一化图像矢量到每个归一化平均分类矢量之间的加权距离。在加权距离的基础之上确定属于到输入图像矢量最近的相邻分类的分类矢量。将对应于最近相邻分类的滤波器应用于输入图像矢量，提高图像分辨率。在信号处理中，空间滤波具有许多应用。例如，给出图1中的圆圈表示的一组像素，可以从标上十字叉的位置估计出样本值。可以用一系列的相似估计来产生提高了分辨率的图像，如图2所示。产生了空间分类以后，可以产生分类矢量，并用于利用最近的相邻分类滤波提高图像分辨率。最近相邻分类滤波方法在图3中给出。可以利用每个分类的归一化平均分类矢量，以及确定从输入图像矢量到每个归一化平均分类矢量之间相对距离的距离度量，确定每个输入图像矢量的最近相邻分类。如图3所示，接收输入图像矢量，步骤305。归一化输入图像矢量，步骤310，于是靠近抽头中心的像素加权值最大，因为这些像素与最终输出最相关。确定从归一化图像矢量到每个分类矢量之间的加权距离，步骤320。确定属于到输入图像矢量最近的分类矢量，步骤330。将对应于最近相邻分类的滤波器应用于输入图像矢量，步骤340，以提高图像分辨率。例如，可以将最近的相邻分类用于将输入图像数据划分成两类之一，如同表3所示。两个分类的归一化平均分类矢量在下面的表1和表2给出。使用归一化的平均分类矢量，从而使接近滤波器中心的抽头接近0电平。这一点不能完全实现，因此，中心抽头可以略微偏离0。这一偏离提供了减少分类数的一种手段，因为需要的时候可以翻转分类，从而使中心抽头总是非负的。此外，具有最小动态范围的分类布是完全扩展，因而使量化噪声的权与训练过程中的真实边缘的权不一样大。表1给出了第一个分类，分类1，的一个归一化平均分类矢量实例。0.17622-2.73143 0.44055 0.17622--1.67411 -0.88111 0.35244 0.264330.264330.00000 0.61678 0.528660.35244表1表2给出了第二个分类，分类2，的一个归一化平均分类矢量实例。-0.82990-0.41495 -1.65981 -1.659811.24486 0.82990 0.41495 -0.82990 0.829900.41495 -0.41495 1.244860.00000表2表3给出了要利用最近相邻分类划分成分类1或者分类2的输入图像矢量。10410697 966478 94 92101118 137141122表3通过从每个元素中减去加权平均值，然后除以标准偏差来归一化输入图像矢量。通过将输入图像矢量的每个元素乘以对应的距离权来确定输入图像矢量的加权平均值，如同下面的表4给出的权一样。然后，将加权元素加起来，形成加权平均。将输入图像矢量的每个元素乘以对应的距离权，从而使接近抽头中心的像素的权最大，因为这些像素与最终输出关系最大。到估计坐标的距离增大的时候，抽头对分类的影响应该下降。确定一组距离权的一种方法是将每个权初始化成抽头到估计坐标之间欧几里得度量的倒数，然后归一化这些权，从而使它们的和等于1。例如，从表4所示的抽头权得到输出位置(i-0.25，j-0.25)。j-2 j-1 j j+1 j+2i.20.048i.1 0.0800.1070.058i0.0480.1070.2390.066 0.037i+1 0.0580.0660.048i+20.037表4表4给出了应用于图像矢量的距离权。图像矢量的加权平均通过将图像矢量每个元素与它的相应距离权相乘，然后将加权元素加起来加以确定。然后从图像矢量的每个元素减去加权平均值，产生一个接近0的加权平均图像矢量，从而使加权平均＝round(140*0.048+...+122*0.037)＝102。表5给出接近0的加权平均矢量。384-5-6-38-24-8-10-11635 39表5确定接近0的加权平均图像矢量的标准偏差。接近0的加权平均图像矢量通过将每个矢量元素除以标准偏差而归一化，在这个实例中这个标准偏差是23.859。如果中心抽头是负的，就将这个矢量乘以-1，从而使中心抽头非负。结果是归一化的图像矢量，如表6所示。-1.59264-0.167651 0.209564 0.2514761.592684 1.005906 0.335302 0.419127 0.041913-0.670604 -1.466946 -1.634597-0.838255表6 下一步确定归一化输出图像矢量与每个归一化平均分类矢量之间的加权距离。确定归一化图像矢量到分类1之间的加权距离。加权距离可以通过将分类1的每个元素从图像矢量的对应元素减去，取结果的平方，将平方后的结果乘以对应的距离权，将加权平方结果加起来得到。在这个实例中，输入图像数据和分类1之间的加权距离是{{-1.592684-0.17622}^2*0.048+...+(-0.838255 -0.35244)^2*0.037]＝1.1151.同样确定归一化图像矢量与分类2之间的加权距离。在这个实例中，这个距离是{(本文档来自技高网...

【技术保护点】
一种方法，包括：　　　　通过为输入的图像矢量，从多个空间分类，确定最接近的相邻分类，从而提高图像分辨率；和　　　　将对应于最接近的相邻分类的滤波器应用于输入图像矢量。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：T孔多，JJ卡里，Y弗吉莫里，WK凯里，
申请(专利权)人：索尼电子有限公司，
类型：发明
国别省市：US[美国]