[發明專利]一種基于梯度學習的超分辨率圖像放大方法

無效

• 申請號: 201210089171.7
• 申請日: 2012-03-29
• 公開（公告）號: CN102665029A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: 彭曉翠;譚劉源;羅笑南;王若梅;林格
• 申請（專利權）人: 中山大學
• 主分類號: H04N1/44
• 分類號: H04N1/44;G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及數字家庭技術領域，尤其涉及一種基于梯度學習的超分辨率圖像放大方法。

背景技術

在大量的電子圖像應用領域，人們經常期望得到高分辨率(簡稱HR)圖像。高分辨率意味著圖像中的像素密度高，能夠提供更多的細節，而這些細節在許多實際應用中不可或缺。例如，高分辨率醫療圖像對于醫生做出正確的診斷是非常有幫助的；使用高分辨率衛星圖像就很容易從相似物中區別相似的對象；如果能夠提供高分辨的圖像，計算機視覺中的模式識別的性能就會大大提高。

自從上世紀七十年代以來，電荷耦合器件(CCD)、CMOS圖像傳感器已被廣泛用來捕獲數字圖像。盡管對于大多數的圖像應用來說這些傳感器是合適的，但是當前的分辨率水平和消費價格不能滿足今后的需求。因此，尋找一種增強當前分辨率水平的方法是非常必須的。

圖像放大是圖像處理領域重要且基礎的操作之一，該技術指利用一幅或多幅同一場景的圖像來提高描述該場景圖像的分辨率，得到一幅更為清晰的分辨率更大的圖像。為了提高圖像的分辨率，最常見的方法是插值法，包括最近鄰插值、雙線性插值和立方卷積插值等。

近年來，通過使用超分辨率技術獲取高分辨率圖像已成為圖像復原的熱門研究方向之一。超分辨率技術是指通過一定的技術手段，由低分辨率圖像生成高分辨率圖像的技術。到目前為止超分辨率(簡稱SR)圖像放大主要有兩種主要的方法：1、基于重建的圖像放大；2、基于樣本學習方法的圖像放大。

圖像插值算法原理簡單，復雜度低，易于實現，但這種方法只是考察周圍像素點和待插像素點的相關性進行插值[1，2]，在邊緣、紋理等人眼敏感的位置不可避免的會出現模糊、偽影等現象。插值法會導致放大后的圖像輪廓模糊，高頻成分受損，因而效果不是很好。

基于重建的圖像放大方法把尋找放大了的圖像看成一個求解逆問題的過程，通過引入一系列的先驗知識來做逆問題的約束條件，壓縮解空間，使之得到符合一定條件的圖像。但先驗知識的獲取需要做大量的前期統計工作，同時待放大圖像應和統計工作中分析的圖像類別一致才能有較為理想的效果。

基于樣本學習的圖像放大方法是近幾年來的一個熱點，它通過外在的圖像數據庫尋找不同分辨率圖像間的關系以試圖恢復出待放大圖像的高頻成分。由于該方需要用到外界信息，因此算法的計算量很大，同時存在著庫中的圖像片和待放大圖像片的“距離”很小，但視覺差別卻很大的情況，降低了放大圖像的質量。

發明內容

基于現有技術存在的問題，本發明采用了一種平滑的、保存高頻并能對未知高頻進行預測的超分辨圖像技術，為了達到上述目的，本發明采用了一種基于梯度學習的超分辨率圖像放大方法。

本發明實施例提供了一種基于梯度學習的超分辨率圖像放大方法，所述方法包括：

輸入待放大的RGB色彩模式的圖像；

將RGB色彩模式的圖像轉到YUV色彩模式的圖像；

將YUV色彩模式的圖像進行通道分離處理，分離出明亮度通道和色度飽和度通道；

對分離出的色度飽和度通道基于插值方法放大所需的倍數；

對分離出的明亮度通道基于梯度學習放大所需的倍數；

將放大倍數后的色度飽和度通道和放大倍數后的明亮度通道進行空間聯結，轉換到RGB空間，獲得放大倍數下的RGB色彩模式的圖像；

輸出放大后的RGB色彩模式的圖像。

所述對分離出的色度飽和度通道基于圖像插值方法放大所需的倍數包括：

首先對分理處的色度飽和度通道進行預處理，然后基于插值方法對分離出的色度飽和度通道進行倍數的放大。

所述對分離出的明亮度通道基于梯度學習放大所需的倍數包括：

對分離出的明亮度通道上的圖像進行分塊處理；

并基于圖像塊進行特征提取獲得特征向量，求出與待放大圖像塊的特征向量最近的向量，計算出向量系數；

根據向量系數的線性組合，將低分辨率梯度圖像用高分辨率梯度圖像塊線性表示出來，直到遍歷完成待放大梯度圖像。

綜上，通過實施本發明實施例，本發明將圖像放大處理過程轉換到亮度域中進行處理，摒除了圖像顏色在圖像處理過程的干擾，放大后的圖像沒有亮斑。對亮度域圖像求其梯度，明確的保留了圖像的高頻信息，避免了高頻信息的丟失，對于其后的學習過程大有裨益。

附圖說明