[发明专利]一种超分辨率图像重构方法、装置、介质及计算设备有效

专利信息
申请号: 201711407058.8 申请日: 2017-12-22
公开(公告)号: CN108109109B 公开(公告)日: 2021-11-16
发明(设计)人: 杨长久 申请(专利权)人: 浙江大华技术股份有限公司
主分类号: G06T3/40 分类号: G06T3/40;G06T5/50;G06N3/04
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 黄志华
地址: 310053 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 分辨率 图像 方法 装置 介质 计算 设备
【说明书】:

发明提供一种超分辨率图像重构方法、装置、介质及计算设备,该方法包括:提取原始图像的亮度图像以及颜色图像;对所述亮度图像进行上采样处理,得到第一亮度图像;将所述第一亮度图像输入预先训练得到的用于输出高频图像的N层卷积神经网络,在所述N层卷积神经网络中,对所述第一亮度图像进行N层卷积前向处理,得到第一高频图像;其中,N为大于3的整数;将所述第一亮度图像与所述第一高频图像进行融合,得到第二亮度图像;将所述第二亮度图像与所述颜色图像进行融合,得到所述原始图像的超分辨率图像。本发明重构得到原始图像的超分辨率图像能够包含较多的图像细节,超分辨率图像效果较好。

技术领域

本发明涉及图像处理技术领域,尤其涉及一种超分辨率图像重构方法、装置、介质及计算设备。

背景技术

目前,图像超分辨率重建技术指的是从一幅或多幅低分辨率、低质量图像中产生高分辨率、高质量图像的数字图像处理技术。这里的数字图像的分辨率指的图像的空间分辨率,即是每英寸图像含有的像素点个数,分辨率的单位为dpi(dots per inch)。不难理解,分辨率越大,图像信息量越大,图像也越清晰。而从低分辨率图像中获得更高分辨率图像是一种“无中生有”过程,即从现有的信息量中去估计得到更多的信息量。

作为一种无需改善硬件设备,却可显著提高图像质量的方法,超分辨率在视频监控、医学成像、遥感图像等领域中有着广泛的应用前景,例如:(1)视频监控领域:视频中的定格画面和对特定区域的放大显示(例如,识别录像中的汽车),对目标识别进行分辨率的增强(例如,识别嫌疑犯的面容);(3)医学图像(CT,MRI等)领域:已知若干幅有限分辨率的医学图像,可以获得高分辨率的医学图像;(4)视频标准转换领域:例如,从NTSC视频信号变为HDTV视频信号。

现有技术主要采用非均匀插值方法得到超分辨率图像,该方法是一种最为直观的超分辨率算法。将有亚像素位移的低分辨率图像配准后映射到高分辨率网格上,形成一幅不完全均匀间隔采样网格上的复合图像,将复合图像进行内插和重采样后可得到超分辨率网格上的采样点值,这样得到超分辨率图像的方法即为非均匀插值方法。常用的内插方法有:最邻近插值、双线性插值、双三次插值和自适应插值等。

发明人发现,采用非均匀插值方法重建得到的超分辨率图像中的高频信息不足、包含的图像细节较少,从而导致超分辨率图像的效果较差,进而使得得到的超分辨率图像具有锯齿效果且超分辨率图像较模糊不能满足实际的需求。

发明内容

本发明提供一种超分辨率图像重构方法、装置、介质以及计算设备,用以解决现有技术中采用非均匀插值方法重建得到的超分辨率图像效果较差,得到的超分辨率图像具有锯齿效果且超分辨率图像较模糊不能满足实际的需求的问题。

一种超分辨率图像重构方法,包括:

提取原始图像的亮度图像以及颜色图像;

对所述亮度图像进行上采样处理,得到第一亮度图像;

将所述第一亮度图像输入预先训练得到的用于输出高频图像的N层卷积神经网络,在所述N层卷积神经网络中,对所述第一亮度图像进行N层卷积前向处理,得到第一高频图像;其中,N为大于3的整数;

将所述第一亮度图像与所述第一高频图像进行融合,得到第二亮度图像;

将所述第二亮度图像与所述颜色图像进行融合,得到所述原始图像的超分辨率图像。

一种超分辨率图像重构装置,包括:

提取模块,用于提取原始图像的亮度图像以及颜色图像;

采样模块,用于对所述亮度图像进行上采样处理,得到第一亮度图像;

卷积模块,用于将所述第一亮度图像输入预先训练得到的用于输出高频图像的N层卷积神经网络,在所述N层卷积神经网络中,对所述第一亮度图像进行N层卷积前向处理,得到第一高频图像;其中,N为大于3的整数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711407058.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top