[发明专利]一种超分辨率完成去模糊方法

说明书

本发明公开了一种超分辨率完成去模糊方法，涉及计算机视觉技术领域，包括以下步骤：S1：定义与分类；S2：数据图片的提取；S3：对训练图片进行降质；S4：对训练图片进行分块；S5：特征提取；S6：NE处理；S7：图像重建。本发明设计了一套给定低分辨率图像作为输入，使用一组训练示例恢复其高分辨率对应物的方法，实现了对图像进行有效的去模糊处理。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种超分辨率完成去模糊方法。

背景技术

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

车载影像系统是现在车联网中常见的系统，车载影像系统就会常用到计算机视觉处理，在车载影像系统的使用过程中，影像中常常会存在模糊不清楚的问题，进而影响驾驶员的驾驶使用。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种超分辨率完成去模糊方法。其优点在于：设计了一套给定低分辨率图像作为输入，使用一组训练示例恢复其高分辨率对应物的方法，实现了对图像进行有效的去模糊处理。

为了实现上述目的，本发明采用了如下技术方案：

一种超分辨率完成去模糊方法，包括以下步骤：

S1：定义与分类；

S2：数据图片的提取；

S3：对训练图片进行降质；

S4：对训练图片进行分块；

S5：特征提取；

S6：NE处理；

S7：图像重建。

本发明的进一步设置为：所述S1中，超分辨率复原技术的基本思想是釆用信号处理的方法，在改善图像质量的同时，重建成像系统截止频率之外的信息，从而在不改变硬件设备的前提下，获取高于成像系统分辨率的图像。

本发明的进一步设置为：所述S3中，对训练图像降质得到LR training images。

本发明的进一步设置为：所述S4中，把LR和LR training images分成大小为s*s，重叠区域宽为overlap的重叠图像块(image pitch)，SR training images则是Ns*Ns大的重叠图像块(image pitch)，其中低分图像中的每一块对应SR training images中每一块。

本发明的进一步设置为：所述S5中，计算LR和LR training images各像素点的一阶梯度和二阶梯度，用一个特征向量代表一个图像块，特征向量的集合分别为XT，XS。

本发明的进一步设置为：所述S6中，对每低分图像中的patch：找到训练集的K近邻Nq；计算Nq的重建权重，使得重建误差最小；用K近邻点的高分特征和重建权重计算重建高分图像的嵌入点。

本发明的有益效果为：

该超分辨率完成去模糊方法，设计了一套给定低分辨率图像作为输入，使用一组训练示例恢复其高分辨率对应物的方法，实现了对图像进行有效的去模糊处理。

具体实施方式

下面结合具体实施方式对本专利的技术方案作进一步详细地说明。

下面详细描述本专利的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利，而不能理解为对本专利的限制。