申请/专利权人：浙江师范大学

申请日：2018-02-07

公开（公告）日：2022-09-27

公开（公告）号：CN108364258B

主分类号：G06T3/40

分类号：G06T3/40;G06T5/40;G06T7/11;G06V10/762;G06V10/772;G06V10/50

优先权：

专利状态码：有效-授权

法律状态：2022.09.27#授权;2018.08.28#实质审查的生效;2018.08.03#公开

摘要：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。

主权项：1.一种提高图像分辨率的方法，其特征在于，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，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；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Ix和y方向的梯度图像Iy；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Igi,j； 其中，i,j为像素点坐标；将所述梯度图像模值大于第一阈值的像素点作为边缘像素点，将所述梯度图像模值大于第二阈值的像素点作为候选边缘像素点；选取多个所述边缘像素点，分别以每个所述边缘像素点为起始点，连接与所述边缘像素点在八个方向上直接相邻的所述边缘像素点或所述候选边缘像素点，获得若干封闭区域，并将位于大的所述封闭区域内的小的封闭区域删除，获得若干没有包含关系的封闭区域；对每个所述没有包含关系的封闭区域做灰度直方图，并对所述灰度直方图采用K-means方法来进行分割，获得分割后的图像；所述窗函数为： 点xp,yp是当前中心像素点，xq,yq是xp,yp的全变分的像素点，σ2p,q是xq,yq和xp,yp所在物体内的像素值的方差，cp,q为相乘因子，Tg为第三阈值；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；该插值法在插值过程中将遵循两个原则：①、只利用和未知像素点在同一物体中的像素点来进行插值，以尽量避免插值后像素点模糊的情况；②、自适应地调整插值模板的大小，对于图像中平滑的部分将取范围比较大的模板，以让更多一些的像素参与插值，对于图像中变化较大的部分，采用较小范围的模板，只利用和当前像素相关性大的像素来进行插值；这样，能够避免插值后像素点模糊的情况；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所述放大后的纹理子图像进行合成，获得高分辨率图像。

全文数据：一种提高图像分辨率的方法及系统技术领域[0001]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[0002]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。[0003]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POCSprojectiononconvexset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MAPmaximumaposterior，领域嵌入方法NENeighborEmbedding，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[0004]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。[0005]为实现上述目的，本发明提供了如下方案：[0006]—种提高图像分辨率的方法，所述方法包括如下步骤：[0007]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；[0008]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；[0009]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；[0010]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。[0011]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：[0012]对原图像进行分割，获得分割后的图像；[0013]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。[0014]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：[0015]分别利用模柺和和原图像进行卷积，得到X方向的梯度图像Ix和y方向的梯度图像Iy;[0016]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Ig;[0017][0018]其中，（i，j为像素点坐标；[0019]将梯度图像模值大于第一阈值的像素点作为边缘像素点，将梯度图像模值大于第二阈值的像素点作为候选边缘像素点；[0020]选取多个边缘像素点，分别以每个边缘像素点为起始点，连接与所述边缘像素点在八个方向上直接相邻的边缘像素点或候选边缘像素点，获得若干封闭区域，并将位于大的封闭区域内的小的封闭区域删除，获得若干没有包含关系的封闭区域；[0021]对每个没有包含关系的封闭区域做灰度直方图，并对所述灰度直方图采用K-means方法来进行分割，获得分割后的图像。[0022]可选的，所述窗函数为：[0023][0024]点（Xp，yP是当前中心像素点，（xq，yq是（Xp，yP的全变分的像素点，〇2p,q是Xq，yq和Xp，yp所在物体内的像素值的方差，Cp,q为相乘因子，Tg为第三阈值。[0025]可选的，所述采用插值法对卡通子图像进行放大，获得放大后的卡通子图像，具体包括：[0026]对所述卡通子图像的像素点采用插值模板函数进行插值，获得放大后的卡通子图像;所述插值模板函数为：[0027]Lx，y=Ni*ox，y*dx，y*sincα*χσ2[0028]*sinca*yo2*expβ*x2+y22〇23[0029]其中，ox，y表示是否利用当前像素点的值来估计未知像素点的值，若当前像素点和未知像素点在同一个物体中，则〇0^=1，即利用当前像素点；否则，〇0^=0，即不利用当前像素点，dx，y表示当前像素点和插值模板中心点的距离；函数sineX=sinXΛ;σ2是参与对未知像素点插值的所有像素点的均方差;a和β是常数。[0030]可选的，所述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，具体包括：[0031]采用K-SVD字典学习法K-SVD字典学习法为K均值分类法和奇异值分解svd法相结合的方法离线地获得所述纹理子图像的图像块字典，所述图像块字典包括高分辨率图像块字典和低分辨率图像块字典；[0032]对所述纹理子图像，利用所述图像块字典和正交匹配跟踪方法进行在线放大，获得初始高分辨率图像；[0033]对所述初始高分辨率图像进行最近邻的加边处理；获得加边处理后的高分辨图像；[0034]对所述加边处理后的高分辨率图像进行第一次同伦处理，获得第一高分辨率图像；[0035]对所述第一高分辨率图像进行第二次同伦处理，获得放大后的高分辨率纹理子图像。[0036]可选的，所述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，具体包括：[0037]采用公式4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；[0038]fH=fc+ft+^ilGft4[0039]其中，fH为高分辨率的图像，ft放大后的纹理图像，f。为放大后的卡通图像，Gft为对图像ft求Robert梯度的模值，1:为常数。[0040]—种提高图像分辨率的系统，所述系统包括：[0041]图像分解模块，用于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；[0042]卡通子图像放大模块，用于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；[0043]纹理子图像放大模块，用于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；[0044]图像合成模块，用于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。[0045]可选的，所述图像分解模块具体包括：[0046]图像分割子模块，用于对原图像进行分割，获得分割后的图像；[0047]图像分解子模块，用于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。[0048]可选的，所述图像分割子模块具体包括：[0049]卷积单元，用于分别利用模板和对原图像进行卷积，得到X方向的梯度图像Ix和y方向的梯度图像Iy;[0050]梯度图像模值计算单元，用于计算所述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Ig;[0051]其中，（i，j为像素点坐标；[0052]像素点选取单元，用于将梯度图像模值大于第一阈值的像素点作为边缘像素点，将梯度图像模值大于第二阈值的像素点作为候选边缘像素点；[0053]封闭区域获取单元，用于选取多个边缘像素点，分别以每个边缘像素点为起始点，连接与所述边缘像素点在八个方向上直接相邻的边缘像素点或候选边缘像素点，获得若干封闭区域，并将位于大的封闭区域内的小的封闭区域删除，获得若干没有包含关系的封闭区域；[0054]图像分割单元，用于对每个没有包含关系的封闭区域做灰度直方图，并对所述灰度直方图采用K-means方法来进行分割，获得分割后的图像。[0055]根据本发明提供的具体实施例，本发明公开了以下技术效果：[0056]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。附图说明[0057]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0058]图1为本发明提供的一种提高图像分辨率的方法的流程图；[0059]图2为本发明提供的一种提高图像分辨率的方法在进行第一次同伦处理的初始图像块；[0060]图3为本发明提供的一种提高图像分辨率的方法在进行第二次同伦处理的初始图像块；[0061]图4为本发明提供的一种提高图像分辨率的系统的结构框图；[0062]图5为本发明提供的人物图像的各种不同处理方法的效果对比图；[0063]图6为本发明提供的蝴蝶图像的各种不同处理方法的效果对比图；[0064]其中，图5中的a为原始图像；⑹为双三次插值图像；（c为Yang提出的方法的图像；（d为Zedye提出的方法的图像；（e为本发明的方法的图像；图6中的（a为原始图像；⑹为双三次插值图像；（c为Yang提出的方法的图像；（d为Zedye提出的方法的图像；（e为本发明的方法的图像。具体实施方式[0065]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。[0066]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对发明作进一步详细的说明。[0067]基于插值的方法对平滑区域的放大具有较好的效果，基于学习的方法对图像的细节部分的放大具有较好的效果。在本发明所提出的方法中将两者有机地结合起来，以获得更好的性能。首先，利用改进的图像分解方法把图像分解为卡通（cartoon和纹理texture部分。其中，卡通部分提取的是图像的结构信息，像素点值只在物体交界处有较大变化，在物体内部的像素点值变化小，图像平滑。纹理部分提取的是图像的细节部分，其中的像素点值的变化较大。然后，对卡通部分，利用插值的方法进行放大;对纹理部分，利用同伦方法进行放大。最后，把以上两个部分的处理结果进行较好的合成，得到更清晰的高分辨率图像。以下，将对所提出方法的每个细节加以更详细地说明。[0068]如图1所示，本发明提供了一种提高图像分辨率的方法，所述方法包括如下步骤：[0069]步骤101，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。在原有的卡通和纹理分解方法RTV中，是利用最小化加窗函数的图像全变分的方法来获得卡通部分的。这个方法有如下缺点：1.图像的物体边缘处的全变分不应统计到需要最小化的目标函数中，这种像素值的变化是不同物体一般具有不同像素值的正常变化;2.窗函数值的大小和范围应当随着物体的像素值而自适应地变化，以提高卡通部分提取的效果。例如，对于像素值在物体内较快变化时，窗函数应当取较大范围和较大值。为此，本发明提出的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，具体包括：[0070]首先，对原图像进行分割，获得分割后的图像，具体包括：[0071]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Ix和y方向的梯度图像Iy;[0072]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Ig;[0073][0074]其中，（i，j为像素点坐标；[0075]将梯度图像模值大于第一阈值的像素点作为边缘像素点，将梯度图像模值大于第二阈值的像素点作为候选边缘像素点；[0076]选取多个边缘像素点，分别以每个边缘像素点为起始点，连接与所述边缘像素点在八个方向上直接相邻的边缘像素点或候选边缘像素点，获得若干封闭区域，并将位于大的封闭区域内的小的封闭区域删除，获得若干没有包含关系的封闭区域；[0077]对每个没有包含关系的封闭区域做灰度直方图，并对所述灰度直方图采用K-means方法来进行分割，获得分割后的图像。[0078]其次，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。所述窗函数为：[0079][0080]点（xP，yP是当前中心像素点，（Xq，yq是（xP，yP的全变分的像素点，〇2p,q是Xq，yq和Χρ,Υρ所在物体内的像素值的方差，cP,q为相乘因子，其和所在物体内的检测出的边缘像素点数成正比，Tg为第三阈值。[0081]步骤102,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。本发明提出的使用插值的方法来完成对卡通子图像的高分辨率图像中未知像素的估计和计算和以往的方法不同，本发明的插值法在插值过程中将遵循如下两个原则：1、只利用和未知像素点在同一物体中的像素点来进行插值，以尽量避免插值后像素点模糊的情况。2、自适应地调整插值模板的大小，对于图像中平滑的部分将取范围比较大的模板，以让更多一些的像素参与插值，对于图像中变化较大的部分，采用较小范围的模板，只利用和当前像素相关性大的像素来进行插值。这样，也可以避免插值后像素点模糊的情况。[0082]具体包括，对所述卡通子图像的像素点采用插值模板函数进行插值，获得放大后的卡通子图像;所述插值模板函数为：[0083]Lx，y=Ni*ox，y*dx，y*sincα*χσ2[0084]*sinca*yσ2*expβ*x2+y22〇2⑶[0085]其中，ox，y表示是否利用当前像素点的值来估计未知像素点的值，若当前像素点和未知像素点在同一个物体中，则〇0^=1，即利用当前像素点；否则，〇0^=0，即不利用当前像素点，dx，y表示当前像素点和插值模板中心点的距离；函数sineX=sinXχ;σ2是参与对未知像素点插值的所有像素点的均方差;a和β是常数。由于在实际应用中，需要对插值模板函数进行截断来使用，这里只取LT1S需要在实验中确定的函数的像素参与插值。Ni为一归一化常数，使所有的参与插值的系数的累加值为1。[0086]步骤103,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。本发明所述提出的对纹理子图像处理的方法中，离线的高分辨率字典和低分辨率的字典的学习过程采用K-SVD字典学习方法先得出关于纹理部分高分辨率字典Dh和低分辨率字典Du对于所述纹理子图像的在线放大过程，首先利用得到的图像块字典和正交匹配跟踪OMPOrthogonalMatchingPursuit方法进行放大，得到初始的高分辨率的图像。接着，本发明对此初始的高分辨率图像进行最近邻的加边处理，然后运行两次同伦方法进行在线恢复。在对图像加边处理中，未知像素值由离其最近的像素点值确定，所加边的高度为Μι，宽度为N1,M1XN1为进行每次高分辨率纹理图像块处理的图像块的大小。在第一次同伦处理中，采用图2所示的初始高分辨率图像块进行更新。在第二次同伦处理中，采用图3所示的初始高分辨率图像块进行更新。其中，在图2中显示了一个高分辨率图像中待放大的图像块的示意图，其中带阴影部分的是已经放大的区域，白色部分是需要进行像素值估计的部分。在图3中，显示了一个在第二次同伦处理中的图像块，其中带阴影的部分认为是已知像素值的部分，空白部分认为是需要再次更新的部分。[0087]具体包括:采用K-SVD字典学习法离线地获得所述纹理子图像的图像块字典，所述图像块字典包括高分辨率图像块字典和低分辨率图像块字典;对所述纹理子图像，利用所述图像块字典和正交匹配跟踪方法进行在线放大，获得初始高分辨率图像;对所述初始高分辨率图像进行最近邻的加边处理;获得加边处理后的高分辨图像;对所述加边处理后的高分辨率图像进行第一次同伦处理，获得第一高分辨率图像;对所述第一高分辨率图像进行第二次同伦处理，获得放大后的高分辨率纹理子图像。[0088]步骤104,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，具体包括:采用公式⑷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；[0089]fH=fc+ft+Ai*Gft4[0090]其中，fH为高分辨率的图像，ft放大后的纹理图像，fc为放大后的卡通图像，Gft为对图像ft求Robert梯度的模值，1:为常数。[0091]图4为本发明提供的一种提高图像分辨率的系统的结构框图。参见图4,一种提高图像分辨率的系统，所述系统包括：[0092]图像分解模块401，用于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;所述图像分解模块具体包括：图像分割子模块，用于对原图像进行分割，获得分割后的图像；图像分解子模块，用于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。[0093]所述图像分割子模块具体包括：卷积单元，用于分别利用模板和对原图像进行卷积，得到X方向的梯度图像Ix和y方向的梯度图像Iy;梯度图像模值计算单元，用于计算所述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[0094]其中，（i，j为像素点坐标;像素点选取单元，用于将梯度图像模值大于第一阈值的像素点作为边缘像素点，将梯度图像模值大于第二阈值的像素点作为候选边缘像素点；封闭区域获取单元，用于选取多个边缘像素点，分别以每个边缘像素点为起始点，连接与所述边缘像素点在八个方向上直接相邻的边缘像素点或候选边缘像素点，获得若干封闭区域，并将位于大的封闭区域内的小的封闭区域删除，获得若干没有包含关系的封闭区域;图像分割单元，用于对每个没有包含关系的封闭区域做灰度直方图，并对所述灰度直方图采用K-means方法来进行分割，获得分割后的图像。[0095]卡通子图像放大模块402,用于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；[0096]纹理子图像放大模块403,用于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；[0097]图像合成模块404,用于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。[0098]本发明还通过实验的方式验证本发明所提出的方法和系统的性能，具体包括：[0099]选用windows8操作系统，Matlab2013b软件、8GB内存，2.9GHz处理器作为实验平台，选用实验样本库的91幅图像作为训练样本，对待测测试图像从平均峰值信噪比PSNRpeaksignaltonoiseratio和RMSERootMeanSquareError。如公式（5和⑹所示：[0102]其中，MXN是图像的大小，xi，j和部，分别是原始图像和重构图像在坐标（i，j处的图像值。[0103]在本发明的实验中，由于人眼对图像的亮度分量很敏感，本发明先把彩色图像分为YCbCr三个通道，然后只取Y亮度通道分量进行如下的超分辨率处理。低分辨率图像被重建放大三倍，对于图像的纹理部分，选取训练的图像块为50000，K-SVD的迭代次数设置为40,字典的原子数设置为1000。重叠矩阵大小为3x3,重叠像素为1。实验效果如图5-6所示。[0104]从图5、6可以看出，利用双三次插值法处理的结果过于平滑，同时从人物和蝴蝶的细节来看，伴有锯齿效应。Yang的方法恢复的已经较好，但是脸上的雀斑等没有恢复，丢失的细节较多。本发明提出的方法注重于细节的恢复，所以在细节方面更胜一筹。[0105]本发明采用客观评价方法对三种不同的重建方法的PSNR，RMSE进行计算。选用标准测试图像进行比较，从表1和表2可以看出，本发明的方法与双三次插值方法、Yang的方法、Zeyde方法相比，具有更好的性能，由此可见，本发明的方法能够获得较好的重建图像的质量。本发明使用的方法比Zeyde的方法提高了约0.2db。[0106]表1不同方法处理后图像的PSNR值[0107][0108]表2不同方法处理后图像的RMSE值[0109][oho]根据本发明提供的具体实施例，本发明公开了以下技术效果:Com]1、本发明在图像放大之前，把图像首先分离出纹理和卡通部分，其中纹理部分主要包含图像中的细节部分，卡通部分包含图像中的结构部分。因此，在图像放大过程中，需要对纹理部分进行更精细的放大，以克服传统方法中在图像放大后丢失图像细节的问题。同时，本发明不同于传统的TVtotalvariation分解方法，拥有比TV方法更好的分解方式，并在实验结果中证明了它的效果，所以本发明先对这个方法进行了改进，然后将图像分解为基于物体的结构部分和纹理部分。[0112]2、对于图像中的卡通部分，其高频分量较少，使用传统的bi-cubic方法对此进行放大，就已经能够取得较好的性能，同时可以节约图像放大所需的时间。[0113]3、对于图像中的纹理部分，需要在放大时保持其细节。因此，需要采用效果好的基于学习的方法。在图像训练阶段，为了克服Zeyde方法不能保证高低分辨率字典具有相同的稀疏表示的缺点，加入了联合训练的思想以确保高低图像块在过完备字典上具有相同的表示系数。对纹理部分的在线放大阶段，可以采用传统的OMP正交匹配跟踪方法，其优点是运行速度快且放大效果较好。而且本发明使用Ll-homotopy基于1范数的同伦方法，和OMP方法比较，此方法的重构效果更好。[0114]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。[0115]本文中应用了具体个例对发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

权利要求：1.一种提高图像分辨率的方法，其特征在于，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所述放大后的纹理子图像进行合成，获得高分辨率图像。2.根据权利要求1所述的一种提高图像分辨率的方法，其特征在于，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。3.根据权利要求2所述的一种提高图像分辨率的方法，其特征在于，所述对原图像进行分割，获得分割后的图像，具体包括：分别利用模相和原图像进行卷积，得到X方向的梯度图像Ix和y方向的梯度图像Iy;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Ig;其中，（i，j为像素点坐标；将所述梯度图像模值大于第一阈值的像素点作为边缘像素点，将所述梯度图像模值大于第二阈值的像素点作为候选边缘像素点；选取多个所述边缘像素点，分别以每个所述边缘像素点为起始点，连接与所述边缘像素点在八个方向上直接相邻的所述边缘像素点或所述候选边缘像素点，获得若干封闭区域，并将位于大的所述封闭区域内的小的封闭区域删除，获得若干没有包含关系的封闭区域；对每个所述没有包含关系的封闭区域做灰度直方图，并对所述灰度直方图采用K-means方法来进行分割，获得分割后的图像。4.根据权利要求2所述的一种提高图像分辨率的方法，其特征在于，所述窗函数为：点（xP，yP是当前中心像素点，（xq，yq是的全变分的像素点，是Xq，yq和Xp，yp所在物体内的像素值的方差，Cp,q为相乘因子，Tg为第三阈值。5.根据权利要求1所述的一种提高图像分辨率的方法，其特征在于，所述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，具体包括：对所述卡通子图像的像素点采用插值模板函数进行插值，获得所述放大后的卡通子图像;所述插值模板函数为：其中，〇x，y表示是否利用当前像素点的值来估计未知像素点的值，若当前像素点和未知像素点在同一个物体中，则〇，7=1，即利用当前像素点；否则，〇，7=0，即不利用当前像素点，dx，y表示当前像素点和插值模板中心点的距离；函数sineX=sinXχ;σ2是参与对未知像素点插值的所有像素点的均方差;α和β是常数。6.根据权利要求1所述的一种提高图像分辨率的方法，其特征在于，所述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，具体包括：采用K-SVD字典学习法离线地获得所述纹理子图像的图像块字典，所述图像块字典包括高分辨率图像块字典和低分辨率图像块字典；对所述纹理子图像，利用所述图像块字典和正交匹配跟踪方法进行在线放大，获得初始高分辨率图像；对所述初始高分辨率图像进行最近邻的加边处理;获得加边处理后的高分辨图像；对所述加边处理后的高分辨率图像进行第一次同伦处理，获得第一高分辨率图像；对所述第一高分辨率图像进行第二次同伦处理，获得放大后的高分辨率纹理子图像。7.根据权利要求1所述的一种提高图像分辨率的方法，其特征在于，所述对所述放大后的卡通子图像和所述放大后的纹理子图像进行合成，获得高分辨率图像，具体包括：采用公式4对所述放大后的卡通子图像和所述放大后的纹理子图像进行合成，获得高分辨率图像；其中，ft为高分辨率的图像，ft放大后的纹理图像，f。为放大后的卡通图像，Gft为对图像ft求Robert梯度的模值，1!为常数。8.—种提高图像分辨率的系统，其特征在于，所述系统包括：图像分解模块，用于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；卡通子图像放大模块，用于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；纹理子图像放大模块，用于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；图像合成模块，用于对所述放大后的卡通子图像和所述放大后的纹理子图像进行合成，获得高分辨率图像。9.根据权利要求8所述的一种提高图像分辨率的系统，其特征在于，所述图像分解模块具体包括：图像分割子模块，用于对原图像进行分割，获得分割后的图像；图像分解子模块，用于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。10.根据权利要求9所述的一种提高图像分辨率的系统，其特征在于，所述图像分割子模块具体包括：卷积单元，用于分别利用模板对原图像进行卷积，得到X方向的梯度图像Ix和y方向的梯度图像Iy;梯度图像模值计算单元，用于计算所述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Ig;其中，（i，j为像素点坐标；像素点选取单元，用于将所述梯度图像模值大于第一阈值的像素点作为边缘像素点，将所述梯度图像模值大于第二阈值的像素点作为候选边缘像素点；封闭区域获取单元，用于选取多个所述边缘像素点，分别以每个所述边缘像素点为起始点，连接与所述边缘像素点在八个方向上直接相邻的所述边缘像素点或所述候选边缘像素点，获得若干封闭区域，并将位于大的所述封闭区域内的小的封闭区域删除，获得若干没有包含关系的封闭区域；图像分割单元，用于对每个所述没有包含关系的封闭区域做灰度直方图，并对所述灰度直方图采用K-means方法来进行分割，获得分割后的图像。

百度查询： 浙江师范大学 一种提高图像分辨率的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD