CN103500436A - 图像超分辨率处理方法和系统 - Google Patents
图像超分辨率处理方法和系统 Download PDFInfo
- Publication number
- CN103500436A CN103500436A CN201310426171.6A CN201310426171A CN103500436A CN 103500436 A CN103500436 A CN 103500436A CN 201310426171 A CN201310426171 A CN 201310426171A CN 103500436 A CN103500436 A CN 103500436A
- Authority
- CN
- China
- Prior art keywords
- image
- band
- frequency sub
- super
- interpolation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种图像超分辨率处理方法,包括:将待放大的图像序列进行小波变换得到子带图像,分别为低频子带、水平高频子带、垂直高频子带和对角线高频子带;将所述待放大的图像序列进行超分辨率重建处理得到超分图像;分别对所述水平高频子带、垂直高频子带和对角线高频子带分量进行插值后得到对应的插值图像;将所述超分图像和所述插值图像进行小波逆变换,得到放大的图像。本发明还提供对应的系统,能将低分辨率图像重建为高分辨率图像,计算量较小。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像超分辨率处理方法,以及一种图像超分辨率处理系统。
背景技术
随着CCD和COMS图像传感器的飞速发展,数字视频摄像技术和处理技术被广泛运用到数字电视、网络播放、交通管理等与人们生活息息相关的领域,人们对图像分辨率的要求也越来越高。但是从硬件上提高图像的分辨率,不仅成本高,风险也大,不利于实际应用推广。视频图像超分辨率处理是一种通过图像/视频处理从多帧低分辨率(LR,Low Resolution)视频序列中获得高分辨率(HR,High Resolution)视频序列的技术,近年来成为了图像处理领域的热点研究方向。
现有的算法架构都是基于单一的复杂超分辨率重建算法,将LR视频序列进行超分辨率处理,从而获得高分辨率的视频序列,超分辨率重建是把一幅或多幅低分辨率观测图像重建为一幅高分辨率图像,它可以改善图像的质量,从本质上提升图像的分辨率,使重建后的图像比原图像更清晰。但传统的超分辨率处理存在计算量巨大的缺陷,这也是该算法在实时处理应用中的关键技术瓶颈。
发明内容
基于此,本发明提供一种图像超分辨率处理方法及系统,能将低分辨率图像重建为高分辨率图像,计算量较小。
一种图像超分辨率处理方法,包括如下步骤:
将待放大的图像序列进行小波变换得到子带图像,分别为低频子带、水平高频子带、垂直高频子带和对角线高频子带;
将所述待放大的图像序列进行超分辨率重建处理得到超分图像;
分别对所述水平高频子带、垂直高频子带和对角线高频子带进行插值后得到对应的插值图像;
将所述超分图像和所述插值图像进行小波逆变换,得到放大的图像。
一种图像超分辨率处理系统,包括:
小波变换模块,用于将待放大的图像序列进行小波变换得到子带图像,分别为低频子带、水平高频子带、垂直高频子带和对角线高频子带;
超分重建模块,用于将所述待放大的图像序列进行超分辨率重建处理得到超分图像;
插值模块,用于分别对所述水平高频子带、垂直高频子带和对角线高频子带进行插值后得到对应的插值图像;
小波逆变换模块,用于将所述超分图像和所述插值图像进行小波逆变换,得到放大的图像。
上述图像超分辨率处理方法及系统,对待放大的低分辨率图像序列进行超分辨率处理得到超分图像,对低分辨率图像序列进行小波变换得到的不同子带,其中的高频子带插值后与超分图像一起进行小波逆变换,由于图像通常具有相对重要的低频信号,当图像进行小波变换后,图像的能量集中在相对低频的子带内,其他的三个高频子带集中的能量较低;因此进行小波逆变换时相当于只对低频子带进行超分辨率处理,既能保证图像重建的质量,又可显著地降低计算量;本发明的处理方法快速高效,大大降低了算法的复杂度,能促进超分辨率算法在硬件上的实时实现。
附图说明
图1为本发明图像超分辨率处理方法在一实施例中的流程示意图。
图2为视频图像calendar和foliage进行超分辨率重建的对比示意图。
图3为图2中的细节对比示意图。
图4为本发明图像超分辨率处理系统在一实施例中的结构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细说明,但本发明的实施方式不限于此。
如图1所示,是本发明图像超分辨率处理方法在一实施例中的流程示意图,包括如下步骤:
S11、将待放大的图像序列进行小波变换得到子带图像,分别为低频子带、水平高频子带、垂直高频子带和对角线高频子带;
对给定的待放大的低分辨率图像序列进行小波变换,得到不同的子带图像,分别为低频子带LL、水平高频子带LH、垂直高频子带HL和对角线高频子带HH;对于运动的视频图像,则获取连续的多帧图像,构成所述图像序列;对于一般的图像,则选取多幅低分辨率图像,构成所述图像序列;
当图像进行小波变换后,从能量的角度来说,图像的能量集中在相对低频的子带内,即上述的低频子带LL,记录图像大部分的细节信息;而水平高频子带LH、垂直高频子带HL和对角线高频子带HH,这三个高频子带集中的能量较低,一般是记录原始图像的纹理或边缘等信息。
S12、将所述待放大的图像序列进行超分辨率重建处理得到超分图像;
对给定的待放大低分辨率图像序列进行超分辨率重建处理,其中,根据预设的图像放大倍数,由于原始低分辨率的图像是小波分解后的子带图像的两倍,因此超分辨率重建处理的放大倍数为所述预设的图像放大倍数的二分之一,得到超分辨率重建处理后的图像,即所述超分图像。
S13、分别对所述水平高频子带、垂直高频子带和对角线高频子带分量进行插值后得到对应的插值图像;
从步骤S11中得到不同的子带图像,分别为低频子带LL、水平高频子带LH、垂直高频子带HL和对角线高频子带HH,在本步骤中,只对水平高频子带LH、垂直高频子带HL和对角线高频子带HH进行插值处理;其中,插值处理的放大倍数可等于预设的图像放大倍数,得到插值后的图像。
S14、将所述超分图像和所述插值图像进行小波逆变换,得到放大的图像;
在本步骤中,进行小波逆变换时的四个分量为所述超分图像,以及水平高频子带LH、垂直高频子带HL和对角线高频子带HH分别插值后的图像,也就是将超分图像代替低频子带分量,与其他三个分量进行小波逆变换,得到放大的高分辨率图像。
本实施例中,将进行超分辨率处理得到的超分图像,代替进行小波变换得到的低频子带,与三个高频子带插值后的插值图像一起进行小波逆变换,因此既能保证图像重建的质量,又可显著地降低计算量;处理过程快速高效,大大降低了算法的复杂度,能促进超分辨率算法在硬件上的实时实现。
为了更好的比较本发明超分辨率重建的质量,下面再通过一具体实施例阐述利用本发明重建的彩色图像及其峰值信噪比PSNR,结构相似指标SSIM与传统技术的比较结果。
首先,将视频calendar和foliage进行退化处理,选取视频的前30帧图像,图像大小为720*480,采用3*3的统一点扩散函数进行模糊处理,空间下采样系数为4,再加上标准差σ=2的加性高斯白噪声。
选取视频calendar的第11帧和视频foliage的第6帧,分别通过传统技术和本发明方法对退化图像进行处理,本实施例中小波变换采用53提升小波算法,插值算法采用双立方插值,效果如图2、3所示;图2a为双立方插值方法,图2b为传统的超分辨率算法,图2c为本发明方法;图3a~图3c为图2对应的细节对比示意图。
接着采用PSNR和SSIM值客观评价各种方法的效果,如表1所示。结果显示本发明重建结果的PSNR和SSIM值,接近现有方法重建的值。这表明本文的算法接近现有算法的处理效果,其结果也与我们人眼主观观察相一致。
表1采用不同图像重建方法对应的PSNR和SSIM值
计算量方面,本实施例基于Intel的i5-2400芯片,4GB的RAMs平台,在Matlab R2009a上实现基于7帧图像的彩色视频超分辨率重建,放大倍数为4,获得1帧704*576的高分辨率图像。
现有方法和本实施例分别对Calendar和Foreman视频序列进行处理的计算量对比如表2所示,表中给出了现有方法和本发明的总时长,本发明中的小波变换处理相对于超分辨率处理,其计算量可以忽略不计,因此只给出超分辨重建的处理时间。由表中数据对比可得,本发明的计算量比现有方法降低了将近30%。
表2采用不同图像重建方法的计算量对比
现有方法耗时(s) | 本发明耗时(s) | |
Calendar | 237.3 | 171.4 |
Foreman | 254.8 | 178.3 |
如图4所示,是本发明一种图像超分辨率处理系统在一较佳实施例中的结构示意图,包括:
小波变换模块41,用于将待放大的图像序列进行小波变换得到子带图像,分别为低频子带、水平高频子带、垂直高频子带和对角线高频子带;
对给定的待放大低分辨率图像序列进行小波变换,得到不同的子带图像,分别为低频子带LL、水平高频子带LH、垂直高频子带HL和对角线高频子带HH;当图像进行小波变换后,从能量的角度来说,图像的能量集中在相对低频的子带内,即上述的低频子带LL,记录图像大部分的细节信息;而水平高频子带LH、垂直高频子带HL和对角线高频子带HH,这三个高频子带集中的能量较低,一般是记录原始图像的纹理或边缘等信息。
超分重建模块42,用于将所述待放大的图像序列进行超分辨率重建处理得到超分图像;
对给定的待放大低分辨率图像序列进行超分辨率重建处理,其中,根据预设的图像放大倍数,由于原始低分辨率的图像是小波分解后的子带图像的两倍,因此,超分辨率重建处理的放大倍数为所述预设的图像放大倍数的二分之一,得到超分辨率重建处理后的图像,即所述超分图像。
插值模块43,用于分别对所述水平高频子带、垂直高频子带和对角线高频子带分量进行插值后得到对应的插值图像;
从小波变换模块41中得到不同的子带图像,分别为低频子带LL、水平高频子带LH、垂直高频子带HL和对角线高频子带HH,在本步骤中,只对水平高频子带LH、垂直高频子带HL和对角线高频子带HH进行插值处理;其中,插值处理的放大倍数可等于预设的图像放大倍数,得到插值后的图像。
小波逆变换模块44,用于将所述超分图像和所述插值图像进行小波逆变换,得到放大的图像;
在本模块中,进行小波逆变换时的四个分量为所述超分图像,水平高频子带LH、垂直高频子带HL和对角线高频子带HH分别插值后的图像,也就是将超分图像代替低频子带分量与其他3个分量进行小波逆变换,得到放大的高分辨率图像。
本发明图像超分辨率处理方法及系统,通过将小波变换得到的低频子带图像进行超分辨率处理,其他的子带图像插值后与超分图像一起进行小波逆变换,由于图像通常具有相对重要的低频信号,当图像进行小波变换后,图像的能量集中在相对低频的子带内,其他的三个高频子带集中的能量较低;因此进行小波逆变换时相当于只对低频子带进行超分辨率处理,既能保证图像重建的质量,又可显著地降低计算量;本发明的处理方法快速高效,大大降低了算法的复杂度,能促进超分辨率算法在硬件上的实时实现。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种图像超分辨率处理方法,其特征在于,包括如下步骤:
将待放大的图像序列进行小波变换得到子带图像,分别为低频子带、水平高频子带、垂直高频子带和对角线高频子带;
将所述待放大的图像序列进行超分辨率重建处理得到超分图像;
分别对所述水平高频子带、垂直高频子带和对角线高频子带进行插值后得到对应的插值图像;
将所述超分图像和所述插值图像进行小波逆变换,得到放大的图像。
2.根据权利要求1所述的图像超分辨率处理方法,其特征在于,所述分别对所述水平高频子带、垂直高频子带和对角线高频子带分量进行插值的步骤中,进行插值处理的放大倍数等于预设的图像放大倍数。
3.根据权利要求1或2所述的图像超分辨率处理方法,其特征在于,所述将所述待放大的图像进行超分辨率重建处理得到超分图像的步骤中,超分辨率重建处理的放大倍数等于预设的图像放大倍数的二分之一。
4.一种图像超分辨率处理系统,其特征在于,包括:
小波变换模块,用于将待放大的图像序列进行小波变换得到子带图像,分别为低频子带、水平高频子带、垂直高频子带和对角线高频子带;
超分重建模块,用于将所述待放大的图像序列进行超分辨率重建处理得到超分图像;
插值模块,用于分别对所述水平高频子带、垂直高频子带和对角线高频子带分量进行插值后得到对应的插值图像;
小波逆变换模块,用于将所述超分图像和所述插值图像进行小波逆变换,得到放大的图像。
5.根据权利要求4所述的图像超分辨率处理系统,其特征在于,所述插值模块中进行插值处理的放大倍数等于预设的图像放大倍数。
6.根据权利要求4或5所述的图像超分辨率处理系统,其特征在于,所述超分重建模块中超分辨率重建处理的放大倍数等于预设的图像放大倍数的二分之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310426171.6A CN103500436A (zh) | 2013-09-17 | 2013-09-17 | 图像超分辨率处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310426171.6A CN103500436A (zh) | 2013-09-17 | 2013-09-17 | 图像超分辨率处理方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103500436A true CN103500436A (zh) | 2014-01-08 |
Family
ID=49865639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310426171.6A Pending CN103500436A (zh) | 2013-09-17 | 2013-09-17 | 图像超分辨率处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103500436A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854269A (zh) * | 2014-03-28 | 2014-06-11 | 国家测绘地理信息局卫星测绘应用中心 | 基于多角度、多分辨率的影像超分辨率重建方法及装置 |
CN104463785A (zh) * | 2014-11-20 | 2015-03-25 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像的放大方法及装置 |
CN105096256A (zh) * | 2015-08-31 | 2015-11-25 | 深圳市博铭维智能科技有限公司 | 特种机器人移动平台及其所采集图像的超分辨率重构方法 |
CN105427247A (zh) * | 2015-11-26 | 2016-03-23 | 努比亚技术有限公司 | 一种图像处理的移动终端以及图像处理方法 |
WO2017092662A1 (zh) * | 2015-12-03 | 2017-06-08 | 广州市动景计算机科技有限公司 | 视频分辨率提升方法及装置 |
CN107133921A (zh) * | 2016-02-26 | 2017-09-05 | 北京大学 | 基于多层次邻域嵌入的图像超分辨率重建方法及系统 |
CN107481193A (zh) * | 2017-08-21 | 2017-12-15 | 叶军 | 一种基于小波变换的图像插值方法 |
CN110322404A (zh) * | 2019-07-04 | 2019-10-11 | 上海融军科技有限公司 | 一种图像增强方法及系统 |
CN114898410A (zh) * | 2022-07-14 | 2022-08-12 | 安徽云森物联网科技有限公司 | 一种基于小波变换的跨分辨率行人重识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102084657A (zh) * | 2008-05-30 | 2011-06-01 | 日本胜利株式会社 | 动态图像编码装置、动态图像编码方法、动态图像编码程序、动态图像解码装置、动态图像解码方法、动态图像解码程序、动态图像再编码装置、动态图像再编码方法、动态图像再编码程序 |
US20130094781A1 (en) * | 2010-02-12 | 2013-04-18 | Olympus Corporation | Image processing apparatus |
-
2013
- 2013-09-17 CN CN201310426171.6A patent/CN103500436A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102084657A (zh) * | 2008-05-30 | 2011-06-01 | 日本胜利株式会社 | 动态图像编码装置、动态图像编码方法、动态图像编码程序、动态图像解码装置、动态图像解码方法、动态图像解码程序、动态图像再编码装置、动态图像再编码方法、动态图像再编码程序 |
US20130094781A1 (en) * | 2010-02-12 | 2013-04-18 | Olympus Corporation | Image processing apparatus |
Non-Patent Citations (2)
Title |
---|
姜东玉: "基于小波的图像超分辨率重建算法研究", 《信息技术》 * |
薛正亮: "图像超分辨率重建技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854269B (zh) * | 2014-03-28 | 2016-08-17 | 国家测绘地理信息局卫星测绘应用中心 | 基于多角度、多分辨率的影像超分辨率重建方法及装置 |
CN103854269A (zh) * | 2014-03-28 | 2014-06-11 | 国家测绘地理信息局卫星测绘应用中心 | 基于多角度、多分辨率的影像超分辨率重建方法及装置 |
CN104463785A (zh) * | 2014-11-20 | 2015-03-25 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像的放大方法及装置 |
CN104463785B (zh) * | 2014-11-20 | 2018-08-21 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像的放大方法及装置 |
CN105096256B (zh) * | 2015-08-31 | 2018-05-04 | 深圳市博铭维智能科技有限公司 | 特种机器人移动平台及其所采集图像的超分辨率重构方法 |
CN105096256A (zh) * | 2015-08-31 | 2015-11-25 | 深圳市博铭维智能科技有限公司 | 特种机器人移动平台及其所采集图像的超分辨率重构方法 |
CN105427247A (zh) * | 2015-11-26 | 2016-03-23 | 努比亚技术有限公司 | 一种图像处理的移动终端以及图像处理方法 |
CN105427247B (zh) * | 2015-11-26 | 2018-08-24 | 努比亚技术有限公司 | 一种图像处理的移动终端以及图像处理方法 |
WO2017092662A1 (zh) * | 2015-12-03 | 2017-06-08 | 广州市动景计算机科技有限公司 | 视频分辨率提升方法及装置 |
US10803552B2 (en) | 2015-12-03 | 2020-10-13 | Guangzhou Ucweb Computer Technology Co., Ltd. | Video resolution up-conversion method and device |
CN107133921A (zh) * | 2016-02-26 | 2017-09-05 | 北京大学 | 基于多层次邻域嵌入的图像超分辨率重建方法及系统 |
CN107133921B (zh) * | 2016-02-26 | 2020-03-06 | 北京大学 | 基于多层次邻域嵌入的图像超分辨率重建方法及系统 |
CN107481193A (zh) * | 2017-08-21 | 2017-12-15 | 叶军 | 一种基于小波变换的图像插值方法 |
CN110322404A (zh) * | 2019-07-04 | 2019-10-11 | 上海融军科技有限公司 | 一种图像增强方法及系统 |
CN110322404B (zh) * | 2019-07-04 | 2023-08-04 | 上海融军科技有限公司 | 一种图像增强方法及系统 |
CN114898410A (zh) * | 2022-07-14 | 2022-08-12 | 安徽云森物联网科技有限公司 | 一种基于小波变换的跨分辨率行人重识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103500436A (zh) | 图像超分辨率处理方法和系统 | |
EP3087730B1 (en) | Method for inverse tone mapping of an image | |
CN105096280B (zh) | 处理图像噪声的方法及装置 | |
CN110889895B (zh) | 一种融合单帧重建网络的人脸视频超分辨率重建方法 | |
CN103345732B (zh) | 基于Contourlet变换的PCNN图像增强算法及装置 | |
CN107563965A (zh) | 基于卷积神经网络的jpeg压缩图像超分辨率重建方法 | |
Suganya et al. | Survey on image enhancement techniques | |
CN102890820B (zh) | 基于shearlet变换和维纳滤波的图像去噪方法 | |
CN106254720B (zh) | 一种基于联合正则化的视频超分辨率重建方法 | |
CN110322404B (zh) | 一种图像增强方法及系统 | |
CN112001843A (zh) | 一种基于深度学习的红外图像超分辨率重建方法 | |
DE202016008178U1 (de) | Bewegungsvektorvorhersage mittels eines vorhergehenden Einzelbildresiduums | |
DE102020200310A1 (de) | Verfahren und System zur Dunstreduzierung für die Bildverarbeitung | |
CN104021523A (zh) | 一种基于边缘分类的图像超分辨率放大的新方法 | |
Zhang et al. | Single image dehazing based on fast wavelet transform with weighted image fusion | |
CN106709874B (zh) | 一种基于人脸结构相关的压缩低分辨率人脸图像复原方法 | |
CN108492252A (zh) | 基于二次重建的人脸图像超分辨率重建方法 | |
CN103500445B (zh) | 一种彩色视频的超分辨率处理方法 | |
CN106558021B (zh) | 基于超分辨率技术的视频增强方法 | |
Hu et al. | A region-based video de-noising algorithm based on temporal and spatial correlations | |
CN102263885A (zh) | 一种图像序列的降噪方法 | |
CN107767342B (zh) | 一种基于积分平差模型的小波变换超分辨率图像重建方法 | |
CN110675320A (zh) | 一种空间参数变化及复杂场景下目标图像清晰化方法 | |
CN107871311A (zh) | 一种应用于cmos图像传感器的图像增强和融合方法 | |
Cao et al. | A License Plate Image Enhancement Method in Low Illumination Using BEMD. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140108 |
|
RJ01 | Rejection of invention patent application after publication |