CN102202205B - 适用于视频的超解析处理方法 - Google Patents

Abstract

本发明适用于视频处理技术领域，提供了一种适用于视频的超解析处理方法，包含：接收一低解析影像；将所述低解析影像划分成多个区块；在一预先训练的数据库中寻找高解析补丁；以拼图式方法或斜角式方法将所述高解析补丁贴回所述低解析影像的所述多个区块并以二维隐藏式马可夫模型计算兼容性；及产生一超解析影像。本发明实施例利用二维隐藏式马可夫模型以拼图式或斜角式方法进行回贴补丁，可提升整体执行效率，且所得到的超解析影像的信号噪声比(Peak Signal to Noise Ratio，PSNR)可以提升影像的质量。

Description

适用于视频的超解析处理方法

技术领域

本发明属于视频处理技术领域，尤其涉及一种影像处理方法，更特定而言为一种基于二维隐藏式马可夫模型的适用于视频的超解析处理方法。

背景技术

随着各种显示器技术的发展及推广，目前各种高解析显示装置(显示器、电视或其它)在一般家庭或专业领域中已是被广泛应用的设备。从早期的标准解析(Standard Definition，SD)演变到现在较为普遍的高解析(High Definition，HD)或全高解析(Full HD)标准，其中Full HD显示器所能提供的解析能力已可达到「1920×1080」，而部分专业显示器的分辨率更是已超越此标准，可广泛用于像是娱乐、医疗或其它领域。

为了充分利用显示器具有的高解析能力，使用者也会希望能获得各种高解析信号来源(Signal Source)，像是高解析的影像(Image)或视频序列(VideoSequence)等，以达到最佳显示效果。目前的信号来源极为广泛，像是来自数字相机、数字摄影机、有线/无线电视机上盒、电视游乐器、CD/DVD播放器、蓝光播放器、计算机或其它等，使用者也可利用因特网于远程拨放或下载各种通过串流传送的影像或视频序列等。然而，上述信号来源中，多半无法提供令人满意的分辨率，举例而言，台湾的有线电视所能提供的画质大多仅有约「640×480」。此外，通过因特网传送的串流影片，为了提升传输速度，画质多半经过压缩而降低。再者，即使是分辨率较高的影像或视频序列，也常会出现因对焦不当或其它原因造成的局部模糊的问题。因此，对于各种不同的信号来源，使用者皆有提升其信号源分辨率的需求。

发明内容

本发明实施例的目的在于提供一种适用于视频的超解析处理方法，旨在解决现有技术提供的信号源无法提供令人满意的分辨率，不能满足用户需求的问题。

本发明实施例是这样实现的，一种适用于视频的超解析处理方法，所述方法包括以下步骤：

利用一高解析影像以获得多个训练用高解析高频信息补丁及多个训练用低解析高频信息补丁；

将所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁进行训练学习以获得对应关系以建立一训练数据库；

接收一低解析影像；

将所述低解析影像依所述训练用低解析高频信息补丁的大小划分成多个区块；

将所述多个区块于所述训练数据库中寻找一相似的训练用低解析高频信息补丁，并寻找对应于所述相似的训练用低解析高频信息补丁的一训练用高解析高频信息补丁；

利用一处理器控制一超解析模块以拼图式方法或斜角式方法将所述高解析高频信息补丁贴回所述低解析影像的所述多个区块并以二维隐藏式马可夫模型计算兼容性；及

产生一超解析影像；

所述获得对应关系的步骤包含分别计算所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁的色彩总和值、记录每一该训练用高解析高频信息补丁与所述训练用低解析高频信息补丁的所述色彩总和值的相对应地址、根据所述色彩总和值进行相似补丁初步比对、进行像素比对、及根据所述像素比对进行相似补丁进一步比对及分类。

本发明实施例利用二维隐藏式马可夫模型以拼图式或斜角式方法进行回贴补丁，可提升整体执行效率，且所得到的超解析影像的信号噪声比(Peak Signalto Noise Ratio，PSNR)可以提升影像的质量。

附图说明

图1是本发明实施例提供的超解析处理方法流程示意图；

图2A至2C是本发明实施例提供的训练学习阶段流程示意图；

图3A及3B是本发明实施例提供的超解析阶段流程示意图；

图4A及4B是本发明实施例提供的二维隐藏式马可夫模型补丁贴法示意图，其中图4A为拼图式，而图4B为斜角式；

图5A及5B是本发明实施例提供的二维隐藏式马可夫模型补丁贴法权重状态示意图，其中图5A为拼图式权重状态，而图5B为斜角式权重状态；

图6是本发明实施例提供的超解析处理系统示意图；及

图7是本发明实施例提供的一示范性计算机硬件示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为本发明实施例提供的适用于视频的超解析(Super Resolution，SR)处理方法流程示意图。在图1中，适用于视频的超解析处理方法1000包含训练学习阶段1100及超解析阶段1200。各阶段的步骤流程将于下文中详述。为实施本发明下述所执行的步骤、程序或阶段，实施例中提供一超解析处理系统3000如图6所示。为实施所述超解析处理系统3000，实施例中提供一种示范性计算机硬件及操作环境示意图如图7所示。在图7中，计算机4000包含一处理单元4002(可为一处理器，更特定而言可为一可程序处理器)，通过譬如一总线4004耦合于一内存4006、一储存装置接口4008、一系统信息显示装置4010、一系统设定接口4012、一影像输入接口4014、一影像输出接口4016及一其它接口/装置4018等。其中，储存装置接口4008包含PATA、SATA、e-SATA、USB、MS、CF、SD、MMC等或其它一或多种常用接口，可用以连接一计算机可读取媒体4020。计算机可读取媒体4020可包含外接或内建的CD/DVD/蓝光光驱、硬盘驱动器、软盘驱动器、记忆卡等或其它一或多种常用媒体。在一些实施例中，处理单元4002及计算机可读取媒体4020也可整合于一微处理器中。其中，计算机可读取媒体4020及内存4006可载有包含基本输出入系统4022、操作系统4024、应用程序4026、程序语言及对应的编译器4028及其它程序4030等，以执行本发明的计算机程序产品。此外，利用影像输入接口4014可由有线或无线的影像输入管道4032从一外部的影像提供端4034获得高解析影像3004a(见图6)及低解析影像2000(见图6)，其影像输入管道4032可包含网络线缆线、有线电视缆线、无线基地台信号或其它等。然而，本领域的具有通常知识者应可理解，通过上述计算机可读取媒体4020包含的外接或内建的CD/DVD/蓝光光驱、硬盘驱动器、软盘驱动器、记忆卡等或其它一或多种常用媒体也可提供影像输入的功能。通过超解析处理系统3000执行超解析处理方法1000之后，所产生的超解析影像3006b可利用影像输出接口4016，通过影像输出管道4036提供给一外接或内建的显示屏幕4038。再者，系统信息显示装置4010可为另一显示屏幕，用以显示目前系统工作状态的信息。而系统设定接口4012可包含譬如鼠标、键盘、触控面板或其它等一或多种输入装置及对应的接口。此外，也应包含基本输入输出单元(BIOS)。然而，需注意上述说明仅用以举例说明可实施发明实施例的计算机硬件及操作环境，但并非用以限制本发明的实施方式。为将本发明更贴切适用于不同的使用态样或环境，也可以不同的方式广泛加以实施。举例而言，若实施态样为一数字机上盒，连接于一电视以接收数字视频信号，则上述部分组件可能整合为单一微芯片，以缩小体积方便使用，也可能不需要键盘鼠标或光驱等，直接将程序烧录于上述单一微芯片中。此外，上述各组件的数量并不限于一个，可依实际需要加以更改，部分组件可是需求加以删除，也可加入其它组件。

图2A至2C为本发明实施例提供的训练学习阶段流程示意图，并配合图6及图7的系统软硬件运作、执行，以利于获得计算机可读取的具体、实用的输出结果。所述的程序、步骤或阶段是以信息技术将计算机可读取数字数据以计算机程序或指令记录于计算机可读取的储存媒体内，得执行已知或本发明以下所述的功能。在图2A中，训练学习阶段1100包含：在步骤1102中，举例而言，利用影像输入接口4014接收来自外部的一高解析影像3004a(也可为视频序列中的个别信号框)，储存至训练数据库模块3008、缓存器(图中未示出)、内存4006或透过储存装置接口4008至计算机可读取记录媒体4020内，随之透过指令的下达，透过处理单元4002呼叫应用程序4026，例如实施例的超解析处理系统3000的训练学习模块3004；在步骤1104中，利用训练学习模块3004分离出高解析影像3004a的彩度信息作为训练用高解析影像，同理，经分离的训练用高解析影像将被储存于训练数据库模块3008、缓存器、内存4006或透过储存装置接口4008至计算机可读取记录媒体4020内，以供后续处理所需；在步骤1106中，利用指令的下达或原始的设定，训练学习模块3004根据所述训练用高解析影像获得训练用低解析影像，同理经分离的作为训练用低解析影像将也被储存于训练数据库模块3008、缓存器、内存4006或透过储存装置接口4008至计算机可读取记录媒体4020内，以供后续处理所需；透过接口的指令输入或初始的设定，在步骤1108中，利用处理单元4002撷取所储存的高解析影像及所述训练用低解析影像，透过训练学习模块3004将所撷取的训练用高解析影像及所述训练用低解析影像分别进行高通滤波处理以获得训练用高解析高频信息及训练用低解析高频信息；在步骤1110中，利用训练学习模块3004将所述训练用高解析高频信息及所述训练用低解析高频信息分别加以切割以获得训练用高解析高频信息补丁及训练用低解析高频信息补丁，随之将此经处理信息暂存于内存4006或储存于计算机可读取记录媒体4020；在步骤1112中，透过相关硬件如处理单元4002呼叫或执行所述训练学习模块将所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁进行训练学习以获得对应关系；随之在步骤1114中，将所得的处理信息储存于训练数据库模块3008中。

本领域的具有通常知识者应可理解，在下述说明中，各步骤的运作所需运用的软件及硬件的对应关系与上述说明相似，为避免赘述，未必会对所有细节加以说明，可参考上述说明以更加理解。

在本发明的较佳实施例中，在步骤1104中系将所述高解析影像的色彩空间转换为明度、蓝色差与红色差(YCbCr)的格式。通过将所述高解析影像的亮度与彩度加以分离，并忽略亮度而仅对彩度加以处理，可大幅减少高解析影像的数据量及运算的复杂度。

在本发明的较佳实施例中，步骤1106更包含如图2B所示的步骤，包含：在步骤1106a中，利用训练学习模块3004进行模糊化处理；在步骤1106b中，利用训练学习模块3004进行向下取样处理；及在步骤1106c中，利用训练学习模块3004进行向上取样处理。其中，模糊化处理(1106a)的目的在于使所述训练用高解析影像失去高频的影像信息。而进行向下取样处理(1106b)和进行向上取样处理(1106c)系可利用双线性内插法，以使所述训练用高解析影像在失去高频的影像信息后，进一步减少像素信息以创造出低解析的画面，以获得训练用低解析影像，并储存于训练数据库模块3008中。

在本发明的较佳实施例中，在步骤1108中，高通滤波处理系可利用傅立叶转换(Fourier Transform)以将一影像的空间域转换为频率域。接着，可利用一屏蔽以将频率域中的低频部分遮盖掉，仅留下高频部分。通过此方式，可将所述训练用高解析影像及所述训练用低解析影像分别进行高通滤波处理以获得训练用高解析高频信息及训练用低解析高频信息。其中，此中所指「高频」或「低频」是指空间频率(Spatial Frequency)。一般而言，高频部分可代表影像中变化较大之处。因此，以高频部分撷取一影像的特征，可减少低频部分的影像，并可减少所需处理的数据量。

在本发明的较佳实施例中，在步骤1110中，为了加强兼容度的处理，在分割影像成为补丁时，是将训练用低解析高频信息补丁切割成稍大于训练用高解析高频信息补丁。举例而言，训练用低解析高频信息补丁可切割为7×7像素的补丁，而训练用高解析高频信息补丁可切割为5×5像素的补丁。以利在高解析高频信息补丁与低解析高频信息补丁重迭训练其对应关系时，可利用低解析高频信息补丁多出来的部分计算其兼容度，以得到较佳的对应关系。其训练方式将于下详述。

在本发明的较佳实施例中，为了求得所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁的对应关系，步骤1112更包含如图2C所示的步骤，包含：在步骤1112a中，利用训练学习模块3004分别计算所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁的色彩总和值；在步骤1112b中，利用训练学习模块3004记录所储存于训练数据库模块3008中的每一所述训练用解析高频数据补丁于所述训练用低解析高频信息补丁相对应地址；在步骤1112c中，利用训练学习模块3004根据所述色彩总和值于训练数据库模块3008中的所有高频数据库中进行相似补丁初步比对；在步骤1112d中，利用训练学习模块3004进行像素比对；在步骤1112e中，利用训练学习模块3004根据所述像素比对进行相似补丁进一步比对及分类，再将上述结果储存于训练数据库模块3008中。

其中，由于切割出的补丁(所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁)数量相当庞大，因此，在本发明的较佳实施例中系利用训练学习模块3004对所有补丁个别计算出色彩总和值(1112a)并记录每一补丁的色彩总和值的相对应地址(1112b)。接着利用针对个别补丁的色彩总和值进行初步比对(1112c)，若色彩总和值相似，在对补丁内个别像素进行进一步比对(1112d)，若像素比对相似程度高，则可视为相同类型的补丁，在此中称为相似补丁，并加以分类(1112e)。以此方式，不但可以对于相似度高的补丁进行分类统计，也可节省储存补丁所需的储存空间。此外，在计算时，每块训练用高解析高频信息补丁会有一些重迭的部分，在本发明实施例中是可以利用这些重迭的部分计算差异平方值，并将差异平方值最小者定为相似邻近补丁。当完成训练后，即可于图2A中步骤1114建立一训练数据库。

在完成训练数据库后，便可从训练学习阶段1100前进至超解析阶段1200。图3A及3B为本发明实施例提供的超解析阶段流程示意图，并配合图6及图7的系统软硬件运作、执行来进行说明。在图3A中，超解析阶段1200包含：在步骤1202中，利用超解析处理系统3000的超解析模块3006接收一来自外部的低解析影像2000，即欲进行超解析处理而得到高解析效果的低解析影像；在步骤1204中，利用超解析模块3006将低解析影像2000依所述训练用低解析高频信息补丁的大小划分成多个区块；在步骤1206中，利用超解析模块3006在训练数据库模块3008中寻找相似的所述训练用低解析高频信息补丁；在步骤1208中，再利用超解析模块3006在训练数据库模块3008中寻找对应于所述相似的训练用低解析高频信息补丁的所述训练用高解析高频信息补丁；在步骤1210中，利用超解析模块3006以拼图式或斜角式方法将所述高解析高频信息补丁贴回低解析影像2000的多个区块并以二维隐藏式马可夫模型(Two DimensionalHidden Markov Model，2D-HMM)计算兼容性；及在步骤1212中，利用超解析模块3006产生超解析影像3006b。

在本发明的较佳实施例中，在步骤1210中，利用超解析模块3006将所述高解析高频信息补丁贴回低解析影像2000的多个区块时，是可以利用拼图式或斜角式的方式进行，如图4A及4B所示。其中，拼图式是从外圈先拼贴完后再往内圈逐圈拼贴；而斜角式是以左上-右下或右上-左下的倾斜角度逐斜线拼贴(其中以左上-右下实作较多，为较佳实施方式，但并不限于此)，其较佳倾斜角度为九十度但并不限于九十度。

隐藏马可夫模型为统计模型的集合，其目的是用来描述状态转移特性程序，一般隐藏马可夫模型的组成包含为有限的状态个数、状态的转移机率矩阵、以及一初始状态机率分布。由于，马可夫网络(Markov Network)为给定一状态后，则可以此状态来预测其后续状态的一种网络模型，因此，在正常的马可夫模型中，其后续状态对于观察者而言是可以直接看见的；但，在隐藏马可夫模型中，其后续状态对于观察者而言却不是可以直接看见的，而是每一个状态所对应的可能输出信号都存在着一个机率的分布。因此，在隐藏马可夫模型中，需针对已知的状态去寻找可能性最高的状态转移及输出机率。

于本发明的一些实施例中，在使用隐藏马可夫模型于一低解析影像2000时，会对于所述低解析影像2000所划分成的多个区块个别给予1～5个状态补丁，每一状态补丁依据与对应的区块的相似度可得出一初始机率，而对于每一区块的5个状态补丁彼此的间也会存在一转换机率，如此，则可以计算出彼此间的兼容性。

在图4A中系显示二维隐藏马可夫模型的拼图式方法。对于低解析影像2000而言，已在步骤1204中被区分为多个区块2002(为简化图式，仅标记一区块)。在步骤1208中，将每一块贴上的补丁与邻近的八块区块做兼容程度计算，若将欲贴上的补丁位置表示为S(i，j)，则其相邻区块可表示为N1＝{S(i-1，j)、S(i-1，j-1)、S(i，j-1)、S(i+1，j-1)、S(i+1，j)、S(i+1，j+1)、S(i，j+1)、S(i-1，j+1)}等如图4A中以斜线表示的区块位置。在图4B中系显示二维隐藏马可夫模型的斜角式方法，其对于每一块贴上的补丁会与邻近的三块区块做兼容程度计算(比对)，若将欲贴上的补丁位置表示为S(i，j)，则相邻区块可表示为N2＝{S(i-1，j)、S(i-1，j+1)、S(i，j+1)}，如图4B中以斜线表示的区块位置。藉此，其机率关系由下式所表示：

P{S(i，j)}＝i+K，j+L∈N_m，

∑P{S(i+K，j+L)}*e_(i+K，j+L)，

其中，S(i，j)表示正在重建的区块，而S(i+K，j+L)表示邻近的几个区块，且K及L表示上下左右周围的变量参数。m为隐藏马可夫模型的选择模式，当m＝1时为拼图式，相邻区块最多会有八个可作为比较；而当m＝2时为斜角式，相邻区块最多会有三个可作为比较，优点为执行速度较快。

在较佳实施例中，步骤1210更包含两阶段，如图3B所示，包含：在步骤1210a中，利用超解析模块3006进行二维隐藏式马可夫正算程序(Forward Pass)；及在步骤1210b中，利用超解析模块3006进行二维隐藏式马可夫逆算程序(Backward Pass)。其中，每一补丁对于其每一相邻区块都有一对应的转换机率，在步骤1210a中，利用超解析模块3006将各补丁与以建立好的相邻区块计算出权重值，即为每一相邻区块所对应的转换机率，其权重状态如图5A及5B所示。图5A显示二维隐藏马可夫模型的拼图式方法权重状态示意图，而图5B显示二维隐藏马可夫模型的斜角式方法权重状态示意图。在步骤1210b中，根据在步骤1210b中计算出的权重值，将转换机率最高的那一块训练用高解析高频信息补丁贴回低解析影像2000的指定区块2002中，如此以得到高解析的影像。

在本发明的实施例中，由于是利用隐藏式马可夫模型加以比对，因此相较于逐一比对而言，执行时间较短，效率较佳。此外，并不需要反复计算才能获得较佳结果。再者，由于每一块拼贴的补丁会与相邻三至八块区块加以比对，可降低拼贴错误率，也可降低因前者选择不佳而对后者拼贴正确性的影响程度。

在此，需说明的是，经过影像重建之后所得出的影像在某种程度下可能会与原始影像有些微的不同，因此，为了衡量重建后的影像质量，会使用信号噪声比(Peak Signal to Noise Ratio，PSNR)值来确认所得的影像结果是否达到标准。其中，所计算的PSNR值越大就代表失真越少，此为一客观的评比数据。利用本发明的视频的超解析处理方法所得出的重建影像进行PSNR值的计算之后，可证实通过超解析处理方法之后所得的影像质量得以提升。在一较佳实施例中，PSNR的定义可为如下所示：

$\mathrm{PSNR}=10\×\log \left(\frac{{255}^2}{\mathrm{MSE}}\right),$

$\mathrm{MSE}=\frac{\underset{n=1}{\overset{\mathrm{FrameSize}}{\mathrm{\Σ}}}{(I_n-P_n)}^2}{\mathrm{FrameSize}},$

其中In指原始影像第n个像素值，Pn指经处理后影像的第n个像素值。PSNR的单位为dB。PSNR值越大，代表失真越少，一般而言是一种较客观的评比数据。在本发明的一些实施例中利用超解析处理方法，并利用最高优先权重建，其原始影像与超解析影像计算出来的PSNR值可达约28.14以上。相较于普通内插法求得的影像的PSNR(举例而言，约小于27)，具有明显的提升。

为达成上述步骤，图6显示一种超解析处理系统。在图6中，超解析处理系统3000包含：一控制模块3002，用以控制系统整体运作；一训练学习模块3004，耦合至一高解析影像输入端及控制模块3002，以接收一高解析影像3004a，并执行前述训练学习阶段1100的步骤；一超解析模块3006，耦合至一低解析影像输入端、一超解析影像输出端及控制模块3002，以接收一低解析影像2000、执行前述超解析阶段1200的步骤及产生一超解析影像3006b并加以输出；一训练数据库模块3008，其耦合至控制模块3002、训练学习模块3004及超解析模块3006，以提供数据库功能并储存上述学习阶段1100及超解析阶段1200所产生的数据。

通过一具有运算及储存能力的计算机(如图7所示的计算机4000，但并不限于此态样)可实施超解析处理系统3000，其应具有输入输出设备及界面以接收上述高解析影像3004a及低解析影像2000，并通过一外接或内建的显示装置以呈现上述超解析影像3006b。一般而言，上述计算机可包含一工作站、服务器、个人计算机、笔记型计算机、个人数字助理、行动电话、电视机、CD/DVD播放器、蓝光播放器、模拟/数字机上盒、照相机、摄影机、游戏机或以上的组合，或其它具有运算及储存能力的装置等。上述超解析处理系统3000的各模块可通过上述装置的软件、硬件及韧体的结合加以实施，并储存于一计算机可读取媒体中。其中提及的影像可广泛包含静态影像(譬如相片或图片)或动态影像(譬如视频序列)，且传输方式可广泛包含有线/无线及数字/模拟方式。也可通过因特网或局域网络等加以传输。

在本发明的一些实施例中，提出一种内储程序的计算机可读取记录媒体，当计算机加载所述程序并执行后，可完成所述的适用于视频的超解析处理方法。

在本发明的另一些实施例中，提出一种内储于计算机的计算机程序产品，当计算机加载所述计算机程序并执行后，可完成所述的适用于视频的超解析处理方法。

本发明的较佳实施例详细说明如上，配合各种实施例及伴随的图式，可使本领域中具有通常知识者更完整地理解本发明的各项目的、特征及优点。然而，应理解上述详细实施例系用以详细举例说明本发明，而非用以限制本发明于特定实施例的细节。在不背离本发明的精神之下，本领域中具有通常知识者可通过本发明实施例的教示及推知做出许多修改或变更，但仍应受限于下述申请专利范围及其均等物。

Claims (7)

1.一种适用于视频的超解析处理方法，其特征在于，所述方法包括以下步骤：

利用一高解析影像以获得多个训练用高解析高频信息补丁及多个训练用低解析高频信息补丁；

将所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁进行训练学习以获得对应关系以建立一训练数据库；

接收一低解析影像；

将所述低解析影像依所述训练用低解析高频信息补丁的大小划分成多个区块；

将所述多个区块于所述训练数据库中寻找一相似的训练用低解析高频信息补丁，并寻找对应于所述相似的训练用低解析高频信息补丁的一训练用高解析高频信息补丁；

利用一处理器控制一超解析模块以拼图式方法或斜角式方法将所述高解析高频信息补丁贴回所述低解析影像的所述多个区块并以二维隐藏式马可夫模型计算兼容性；及

产生一超解析影像；

所述获得对应关系的步骤包含分别计算所述训练用高解析高频信息补丁及所述训练用低解析高频信息补丁的色彩总和值、记录每一该训练用高解析高频信息补丁与所述训练用低解析高频信息补丁的所述色彩总和值的相对应地址、根据所述色彩总和值进行相似补丁初步比对、进行像素比对、及根据所述像素比对进行相似补丁进一步比对及分类。

2.如权利要求1所述的适用于视频的超解析处理方法，其特征在于，所述利用一高解析影像以获得多个训练用高解析高频信息补丁及多个训练用低解析高频信息补丁的步骤进一步包括以下步骤：

分离出所述高解析影像的彩度信息作为训练用高解析影像；

根据所述训练用高解析影像获得训练用低解析影像；

将所述训练用高解析影像及所述训练用低解析影像分别进行高通滤波处理以获得训练用高解析高频信息及训练用低解析高频信息；及

将所述训练用高解析高频信息及所述训练用低解析高频信息分别加以切割以获得多个训练用高解析高频信息补丁及多个训练用低解析高频信息补丁。

3.如权利要求2所述的适用于视频的超解析处理方法，其特征在于，所述彩度信息的分离是利用将所述高解析影像的色彩空间转换为YCbCr格式所获得。

4.如权利要求2所述的适用于视频的超解析处理方法，其特征在于，所述获得训练用低解析影像的步骤包含进行模糊化处理、进行向下取样处理及进行向上取样处理。

5.如权利要求1所述的适用于视频的超解析处理方法，其特征在于，所述二维隐藏式马可夫模型计算的步骤包含进行二维隐藏式马可夫正算程序及进行二维隐藏式马可夫逆算程序。

6.如权利要求1所述的适用于视频的超解析处理方法，其特征在于，所述斜角式方法包含计算周围三个区块的兼容性。

7.如权利要求1所述的适用于视频的超解析处理方法，其特征在于，所述拼图式方法包含计算周围八个区块的兼容性。

Images