性判定模块200,用于利用平滑度判决窗口对低分辨率图像进行平滑性判定； 具体如上所述。
[0100] 采样模块300,用于对低分辨率图像进行两次采样后获取低分辨率图像的对应的 只包含高频信息的高频图像；具体如上所述。
[0101] 匹配与图像生成模块400,用于根据低分辨率图像的平滑性判定结果，分别采用不 同的匹配方法，并对匹配后的图像进行高频增强，生成超分辨率图像；具体如上所述。
[0102] 所述基于分类自学习的超分辨率图像获取系统，其中，所述预先设置与存储模块 具体包括：
[0103] 第一预先设置与存储单元，用于预先选择一个预定大小的窗口范围作为平滑度判 决窗口，应用窗口内像素值标准差作为平滑度计算标准并存储；具体如上所述。
[0104] 第二预先设置单元，用于预先设置一个平滑度判决门限并存储；具体如上所述。
[0105] 所述基于分类自学习的超分辨率图像获取系统，其中，所述平滑性判定模块具体 包括：
[0106] 计算单元，用于对低分辨率图像按预定大小的窗口范围计算窗口内像素值的标准 差，并判断标准差是否低于预先设置的平滑度判决门限；具体如上所述。
[0107] 第一判定单元，用于若标准差低于预先设置的平滑度判决门限，则判定是平滑区 域；具体如上所述。
[0108] 第二判定单元，用于若标准差不低于预先设置的平滑度判决门限，则判定是锐利 区域；具体如上所述。
[0109] 所述基于分类自学习的超分辨率图像获取系统，其中，所述采样模块具体包括：
[0110] 第一采样单元，用于对输入的需要处理的低分辨率图像进行下采样处理，得到第 一采样图像；具体如上所述。
[0111] 第二采样单元，用于对第一采样图像进行上采样处理，获取第二采样图像；具体如 上所述。
[0112] 图像处理单元，用于将低分辨率图像减去第二采样图像得到只包含高频信息的高 频图像；具体如上所述。
[0113] 所述基于分类自学习的超分辨率图像获取系统，其中，所述采样模块具体包括：
[0114] 第三采样单元，对低分辨率图像进行上采样处理，得到第三采样图像；具体如上所 述。
[0115] 第一图像匹配单元，用于对于低分辨率图像中判定为锐利区域，将第三采样图像 与低分辨率图像进行匹配；具体如上所述。
[0116] 第二图像匹配单元，用于对于低分辨率图像中判定为平滑区域，将第三采样图像 与第二采样图像进行匹配；具体如上所述。
[0117] 图像增强单元，用于利用高频图像对匹配后的图像进行增强，生成超分辨率图像； 具体如上所述。
[0118] 综上所述，本发明提供了一种基于分类自学习的超分辨率图像获取方法及系统， 所述方法包括：预先设置一个平滑度判决窗口及平滑度判决门限并存储；利用平滑度判决 窗口对低分辨率图像进行平滑性判定；对低分辨率图像进行两次采样后获取低分辨率图像 的对应的只包含高频信息的高频图像；根据低分辨率图像的平滑性判定结果，分别采用不 同的匹配方法，并对匹配后的图像进行高频增强，生成超分辨率图像。本发明可对分辨率低 的图像的平滑部分和锐利部分分别采用不同的自学习的分辨率处理方法，在提高图像分辨 率的同时，减少了图像噪声和边缘震荡，提高了低分辨率图像的清晰度。
[0119] 应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可 以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保 护范围。
【主权项】
1. 一种基于分类自学习的超分辨率图像获取方法，其特征在于，方法包括： A、 预先设置一个平滑度判决窗口及平滑度判决门限并存储； B、 利用平滑度判决窗口对低分辨率图像进行平滑性判定； C、 对低分辨率图像进行两次采样后获取低分辨率图像的对应的只包含高频信息的高 频图像； D、 根据低分辨率图像的平滑性判定结果，分别采用不同的匹配方法，并对匹配后的图 像进行高频增强，生成超分辨率图像。2. 根据权利要求1所述基于分类自学习的超分辨率图像获取方法，其特征在于，所述 步骤A具体包括： AU预先选择一个预定大小的窗口范围作为平滑度判决窗口，应用窗口内像素值标准 差作为平滑度计算标准并存储； A2、预先设置一个平滑度判决门限并存储。3. 根据权利要求2所述基于分类自学习的超分辨率图像获取方法，其特征在于，所述 步骤B具体还包括： B1、对低分辨率图像按预定大小的窗口范围计算窗口内像素值的标准差，并判断标准 差是否低于预先设置的平滑度判决门限； B2、若标准差低于预先设置的平滑度判决门限，则判定是平滑区域； B3、若标准差不低于预先设置的平滑度判决门限，则判定是锐利区域。4. 根据权利要求3所述基于分类自学习的超分辨率图像获取方法，其特征在于，所述 步骤C具体包括： CU对输入的需要处理的低分辨率图像进行下采样处理，得到第一采样图像； C2、对第一采样图像进行上采样处理，获取第二采样图像； C3、将低分辨率图像减去第二采样图像得到只包含高频信息的高频图像。5. 根据权利要求4所述基于分类自学习的超分辨率图像获取方法，其特征在于，所述 步骤D具体包括： D1、对低分辨率图像进行上采样处理，得到第三采样图像； D2、对于低分辨率图像中判定为锐利区域，将第三采样图像与低分辨率图像进行匹 配； D3、对于低分辨率图像中判定为平滑区域，将第三采样图像与第二采样图像进行匹 配； D4、利用高频图像对匹配后的图像进行增强，生成超分辨率图像。6. -种基于分类自学习的超分辨率图像获取系统，其特征在于，系统包括： 预先设置与存储模块，用于预先设置一个平滑度判决窗口及平滑度判决门限并存储； 平滑性判定模块，用于利用平滑度判决窗口对低分辨率图像进行平滑性判定； 采样模块，用于对低分辨率图像进行两次采样后获取低分辨率图像的对应的只包含高 频信息的高频图像； 匹配与图像生成模块，用于根据低分辨率图像的平滑性判定结果，分别采用不同的匹 配方法，并对匹配后的图像进行高频增强，生成超分辨率图像。7. 根据权利要求6所述基于分类自学习的超分辨率图像获取系统，其特征在于，所述 预先设置与存储模块具体包括： 第一预先设置与存储单元，用于预先选择一个预定大小的窗口范围作为平滑度判决窗 口，应用窗口内像素值标准差作为平滑度计算标准并存储； 第二预先设置单元，用于预先设置一个平滑度判决门限并存储。8. 根据权利要求7所述基于分类自学习的超分辨率图像获取系统，其特征在于，所述 平滑性判定模块具体包括： 计算单元，用于对低分辨率图像按预定大小的窗口范围计算窗口内像素值的标准差， 并判断标准差是否低于预先设置的平滑度判决门限； 第一判定单元，用于若标准差低于预先设置的平滑度判决门限，则判定是平滑区域； 第二判定单元，用于若标准差不低于预先设置的平滑度判决门限，则判定是锐利区域。9. 根据权利要求8所述基于分类自学习的超分辨率图像获取系统，其特征在于，所述 采样模块具体包括： 第一采样单元，用于对输入的需要处理的低分辨率图像进行下采样处理，得到第一采 样图像； 第二采样单元，用于对第一采样图像进行上采样处理，获取第二采样图像； 图像处理单元，用于将低分辨率图像减去第二采样图像得到只包含高频信息的高频图 像。10. 根据权利要求9所述基于分类自学习的超分辨率图像获取系统，其特征在于，所述 采样模块具体包括： 第三采样单元，对低分辨率图像进行上采样处理，得到第三采样图像； 第一图像匹配单元，用于对于低分辨率图像中判定为锐利区域，将第三采样图像与低 分辨率图像进行匹配； 第二图像匹配单元，用于对于低分辨率图像中判定为平滑区域，将第三采样图像与第 二采样图像进行匹配； 图像增强单元，用于利用高频图像对匹配后的图像进行增强，生成超分辨率图像。
【专利摘要】本发明公开了一种基于分类自学习的超分辨率图像获取方法及系统，所述方法包括：预先设置一个平滑度判决窗口及平滑度判决门限并存储；利用平滑度判决窗口对低分辨率图像进行平滑性判定；对低分辨率图像进行两次采样后获取低分辨率图像的对应的只包含高频信息的高频图像；根据低分辨率图像的平滑性判定结果，分别采用不同的匹配方法，并对匹配后的图像进行高频增强，生成超分辨率图像。本发明可对分辨率低的图像的平滑部分和锐利部分分别采用不同的自学习的分辨率处理方法，在提高图像分辨率的同时，减少了图像噪声和边缘震荡，提高了低分辨率图像的清晰度。
【IPC分类】G06T3/40
【公开号】CN105160627
【申请号】CN201510552110
【发明人】李敬源, 邵诗强
【申请人】Tcl集团股份有限公司
【公开日】2015年12月16日
【申请日】2015年8月31日