[发明专利]一种提高图像分辨率的方法及系统

说明书

本发明公开了一种提高图像分辨率的方法及系统。方法包括：采用相对总变差法对原图像进行分解，获得卡通子图像和纹理子图像；采用插值法对所述卡通子图像进行放大，获得放大后的卡通子图像；采用同伦方法对所述纹理子图像进行放大，获得放大后的纹理子图像；对所述放大后的卡通子图像和放大后的纹理子图像进行合成，获得高分辨率图像。本发明通过对放大需求不同的卡通子图像和纹理子图像，采用不同的方法分别放大，再进行合成，得到更清晰的高分辨率图像，在提高高分辨率图像质量的同时，减少了处理时间。

技术领域

本发明涉及图像放大领域，特别涉及一种提高图像分辨率的方法及系统。

背景技术

单幅图像的超分辨率重建技术是指利用一幅低分辨率图像来放大图像，获得一幅高分辨率图像的技术，以提高图像的分辨率和清晰度。目前该技术已经广泛应用于图像和视频检测和显示的各种仪器中，如医学影像、视频监控、遥感图像、高清电视等领域。

为此，专家和学者们已经提出很多单幅图像超分辨率的方法。这些单幅图像的超分辨率重建方法主要分为基于像素点插值、基于图像投影和基于学习的方法。其中，在基于插值的方法中主要包括双线性插值法和双三次插值法。这类方法计算量小，可满足图像实时放大的要求，但是通过这类方法重建的高分辨率图像的质量较低，细节部分不丰富，图像比较模糊。基于图像投影的方法有迭代反投影法、和凸集投影法POCS(projection onconvex set)等，这类方法一般需要图像多次的迭代投影后才能获得效果比较好的高分辨率的图像，这类图像超分辨率方法容易受到图像噪声的干扰，所获得图像不稳定，同时也有图像细节部分丢失问题。基于学习的超分辨率方法主要是对大量的高低分辨率图像样本进行训练最终获得图像的先验知识，再对图像进行超分辨率重建，经典的方法有最大后验概率估计法MAP(maximum a posterior)，领域嵌入方法NE(NeighborEmbedding)，基于样例学习的方法；最近，Yang等利用线性规划求解低分辨率图像块的稀疏表示，并将此表示系数与高分辨率字典进行线性组合得到高分辨率图像块；这类方法的缺点在于训练需要很长的时间和过程，同时训练要求的存储空间很大，其优点在于所得到的高分辨率图像的质量一般来说要好于以上两类方法。因此如何在提高高分辨率图像的质量的同时减少处理时间，成为一个亟待解决的技术问题。

发明内容

本发明的目的是提供一种提高图像分辨率的方法及系统，以在提高高分辨率图像的质量的同时减少处理时间。

为实现上述目的，本发明提供了如下方案：

一种提高图像分辨率的方法，所述方法包括如下步骤：

采用相对总变差法对原图像进行分解，获得卡通子图像和纹理子图像；

采用插值法对所述卡通子图像进行放大，获得放大后的卡通子图像；

采用同伦方法对所述纹理子图像进行放大，获得放大后的纹理子图像；

对所述放大后的卡通子图像和放大后的纹理子图像进行合成，获得高分辨率图像。

可选的，所述采用相对总变差法对图像进行分解，获得卡通子图像和纹理子图像；具体包括：

对原图像进行分割，获得分割后的图像；

利用最小化窗函数的图像全变分的方法，对分割后的图像进行分解，获得卡通子图像和纹理子图像。

可选的，所述对原图像进行分割，获得分割后的图像，具体包括：

分别利用模板和和原图像进行卷积，得到x方向的梯度图像I_x和y方向的梯度图像I_y；

计算所述x方向的梯度图像和所述y方向的梯度图像的梯度图像模值I_g；

其中，(i,j)为像素点坐标；