[發明專利]一種利用回歸樹場的圖像超分辨率放大方法

有效

• 申請號: 201710859709.0
• 申請日: 2017-09-21
• 公開（公告）號: CN107590775B
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 楊鑫;梅海洋;許可;魏小鵬;尹寶才
• 申請（專利權）人: 大連理工大學
• 主分類號: G06T3/40
• 分類號: G06T3/40
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

本發明屬于計算機視覺技術領域，提供了一種利用回歸樹場的圖像超分辨率放大方法，對于單幅圖像的超分辨率重建融合來說，主要由準備數據集、分析不同超分辨率融合算法的優缺點和選擇需要融合的超分辨率算法以及選擇用于融合的算法三部分構成。本發明的所采用的方法好處如下：(1)時間成本與硬件需求低；(2)采用開創性的算法融合。

技術領域

本發明屬于計算機視覺技術領域，尤其涉及面單幅圖像的超分辨率重建的方法。

背景技術

圖像的分辨率大小是決定一幅圖像視覺效果好壞的一個很重要的因素，隨著網絡的發展以及手機等電子產品的廣泛使用，人們對分辨率更高、視覺體驗更好的圖像的需求變得越來越大。提高圖像的分辨率可以通過硬件或者軟件實現，但前者存在著價格昂貴、儀器攜帶不便等問題，因此通過計算機軟件的處理將低分辨率圖片變成高分辨率圖片的價格優勢和方便性十分突出，并且不受到硬件性能的限制，可以按照自己的意愿將圖片進行超分辨率放大。

圖像超分辨率(簡稱SR)是計算機視覺領域中一個基礎而重要的問題，隨著科學技術的發展，超分辨率技術及其相關領域的研究不斷取得新的突破。輸入一張低分辨率的圖片，超分辨率算法會生成一張高分辨率圖片作為輸出。在超分辨率領域應用的算法種類很多，根據對圖像的處理方式的不同，大致可以分為以下的四種類型。

(1)傳統處理方式

早期圖像的超分辨率重建的方法是基于圖像的插值，其中包括nearest neighbor插值算法，bilinear插值方法，bicubic插值算法和Lanczos插值算法。由于在處理時間和在平滑區域處理效果很好這些處理方式被廣泛的應用，在畫圖和PhotoShop等軟件中集成的改變圖像大小的算法就是雙三次插值算法。這些傳統的超分辨率重建算法適合于并行計算，對圖像的重建速度較快，能夠滿足實時處理的需求，但由于在放大的過程張不能夠提供額外的高頻信息，因此在最終超分辨率放大的結果中很難得到銳化的效果，即在區域的邊界和高頻信息較多的區域處理的效果較差。在高頻信息較多區域例如人臉、頭發、紋理信息較多的區域，傳統的處理方式處理的結果會形成模糊的效果。在高頻和低頻交界的區域即圖像中的輪廓區域，會形成條紋狀的噪聲。

(2)基于學習的處理方式

基于學習的圖像超分辨率方法主要集中于學習低分辨率圖片(簡稱LR)和高分辨率圖片(簡稱HR)之間的映射關系。利用高分辨率圖像的先驗信息進行超分辨率重建以獲得高分辨率圖像。總體上看，有兩種不同的映射關系：利用外部數據庫學習映射關系以及通過內部數據庫直接學習映射關系。

很多的超分辨率方法從外部數據庫中學習高分辨率圖片和低分辨率圖片之間的映射關系，然后以塊編碼策略的方式利用不同的復雜的模型刻畫這種映射關系。有些方法用核主成分分析的方式學習映射關系，有的超分辨率算法尋找低分辨率圖像塊和與之對應的高分辨率圖像塊之間的稀疏表示來刻畫他們之間的映射關系，有的超分辨率算法使用與編碼低分辨率圖像塊和高分辨率圖像塊相似但完全不同的模塊。

總體來說利用外部數據庫可以從大量的外部數據擊中學習得到很多維度的映射關系，可以達到一個很好的結果。但是這些算法需要在超分過程中大量的尋找匹配的高分辨率圖像塊，這樣做的效率很低，所花費的時間很長。另外，這些方法不能夠做到任意尺寸的超分辨率放大，如果訓練的模型是放大2倍的模型，那么這個模型不能夠用于處理放大3倍，必須重新訓練用于放大3倍的新模型才能夠用于測試放大3倍的圖片。這就造成了基于學習的模型不具有任意尺寸放大的普適性。