[發明專利]圖像超分辨率重建方法、設備及介質

有效

• 申請號: 202310674996.3
• 申請日: 2023-06-08
• 公開（公告）號: CN116452425B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 吳杰
• 申請（專利權）人: 常州星宇車燈股份有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T7/13
• 代理公司: 常州至善至誠專利代理事務所(普通合伙) 32409
• 代理人: 朱麗莎

本發明涉及圖像重建技術領域，尤其涉及一種圖像超分辨率重建方法、設備及介質。圖像超分辨率重建方法包括：S1：輸入低分辨率圖像；S2：獲取初始高分辨率圖像，S3：收斂性判斷，根據迭代次數判斷是否進入下一步；若迭代次數t=1，則進入下一步驟；若迭代次數t＞1，則判斷是否滿足截止條件；若滿足截止條件，則結束圖像超分辨率重建，輸出目標高分辨率圖像；反之，若不滿足截止條件，則進入下一步驟；S4：圖像配準，S5：全變分先驗，S6：超參數估計，S7：亮通道先驗，S8：重建高分辨率圖像，獲取新的高分辨率圖像，執行后返回S2步驟。本發明的一種圖像超分辨率重建方法，能夠有效降低重建圖像的偽影和階梯效應，可以有效提高超分辨率重建效果。

技術領域

本發明涉及圖像重建技術領域，尤其涉及一種圖像超分辨率重建方法、設備及介質。

背景技術

圖像超分辨率重建（super?resolution，SR）的核心思想是利用一組非冗余的低分辨率圖像（low?resolution，LR）重建出一幅或多幅高分辨率圖像（high?resolution，HR）。目前，圖像超分辨率重建算法可以分為3大類，分別是基于插值、基于學習和基于重建的超分辨率重建算法。基于插值的超分辨率重建算法簡單，處理速度快，但是在重建中，未考慮圖像的降質退化模型，會導致重建圖像紋理和邊緣模糊，出現鋸齒等現象。基于學習的超分辨率重建算法通過訓練圖像數據集學習低分辨與高分辨圖像之間的映射關系，來預測低分辨圖像中丟失的高頻信息，從而達到重建高分辨率圖像的目的，但是算法計算量大，需要足夠多的數據集，不具備普適性。基于重建的超分辨率重建算法將圖像的先驗知識加入，把圖像超分辨率這個超不適定問題適定化。

隨著圖像超分辨率重建算法的發展，現有技術中對多個圖像先驗的方法組合，進而提高重建圖像質量，如：將TV先驗和PoE先驗結合來增強圖像的屬性；將TV先驗和L1先驗與非稀疏同時自回歸先驗（SAR）組合，通過調節權重來控制各先驗的貢獻量；將TV先驗和Frobenius正則化相結合，實現各先驗貢獻量自適應。雖然，這些算法重建效果比單先驗重建在一定程度上抑制了噪聲。但是，重建的圖像在圖像邊緣仍然存在偽影和階梯效應。

發明內容

本發明要解決的技術問題是：為了解決現有技術中分辨率重建方法重建后發的圖像平滑區域易產生偽影和階梯效應的問題，本發明提供一種圖像超分辨率重建方法，能夠有效降低重建圖像的偽影和階梯效應，可以有效提高超分辨率重建效果。

本發明解決其技術問題所采用的技術方案是：一種圖像超分辨率重建方法，包括以下步驟：

S1：輸入低分辨率圖像；

S2：獲取初始高分辨率圖像，從步驟S1輸入的所述低分辨率圖像中選取其中一幀作為參考圖像，對所述參考圖像進行插值重建，重建后得到所述初始高分辨率圖像，其中， t表示迭代次數，在步驟S2中， t＝1；

S3：收斂性判斷，根據所述迭代次數判斷是否進入下一步；

若所述迭代次數 t=1，則進入下一步驟；

若所述迭代次數 t＞1，則判斷是否滿足截止條件；

若滿足所述截止條件，則結束圖像超分辨率重建，輸出目標高分辨率圖像；

反之，若不滿足所述截止條件，則進入下一步驟；

S4：圖像配準，通過圖像配準獲取當前高分辨率圖像和所述低分辨率圖像之間的運動變化關系，得到相對運動變換參數M_k；