CN105761210A - 基于自适应冲击滤波的低分辨率图像放大方法及装置 - Google Patents
基于自适应冲击滤波的低分辨率图像放大方法及装置 Download PDFInfo
- Publication number
- CN105761210A CN105761210A CN201610149945.9A CN201610149945A CN105761210A CN 105761210 A CN105761210 A CN 105761210A CN 201610149945 A CN201610149945 A CN 201610149945A CN 105761210 A CN105761210 A CN 105761210A
- Authority
- CN
- China
- Prior art keywords
- image
- impact filtering
- resolution
- low
- self adaptation
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000003321 amplification Effects 0.000 title claims abstract description 41
- 238000003199 nucleic acid amplification method Methods 0.000 title claims abstract description 41
- 230000003044 adaptive effect Effects 0.000 title abstract 3
- 230000006978 adaptation Effects 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/403—Edge-driven scaling; Edge-based scaling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供基于自适应冲击滤波的低分辨率图像放大方法及装置,所述方法包括:获取低分辨率LR图像;将所述LR图像进行插值放大,获取初始高分辨率HR图像;获取所述初始HR图像对应的冲击滤波项;将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。上述技术方案具有如下有益效果:本发明技术方案根据不同图像边缘,利用边缘停止函数自适应调整冲击滤波的权重系数,对不同的边缘扩散进行相应的减少,边缘得到合适的增强,明显消除了人工痕迹,放大后图像的整体效果显得更加自然。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及基于自适应冲击滤波的低分辨率图像放大方法及装置。
背景技术
随着现代多媒体通信技术的高速推进,图像包含更加丰富的视觉信息,逐渐渗透到各个不同的领域。从个人终端产品到国家军用产品,从消费娱乐生活到高新技术研究,从建设智慧城市到探索未知的世界,图像的应用领域主要如下:高清数字电视、移动娱乐视频、网络视频会议、视频监控和安防、医学诊断、军事遥感侦察等等,高分辨率图像意味着图像的像素密度高,能够提供更多的细节,例如在车辆监控或者司法场景下,就很有必要放大图像场景中的目标例如汽车牌照或者嫌疑犯的脸部特征;高分辨率医疗图像对于医生做出正确的诊断是非常有帮助的;使用高分辨率卫星图像就很容易从相似物中区别相似的对象。但是,在实际场景中,由于采集设备的限制以及自然条件的干扰,图像很容易出现细节缺损和引入造成,图像的空间分辨率相对较低,无法有效的提取出图像场景中感兴趣的区域的细节信息,因此,将低分辨率图像进行无损放大可以有效的提高图像的有效信息的提取,在监控等需要高分辨率图像的实际场景中具有很好的应用前景。
目前,低分辨率图像的无损放大技术根据实现技术的不同可以分为三种大类:基于插值、学习和增强的方法。
基于插值的低分辨率图像放大技术主要采用不同性质的内插函数在离散的像素点上估计HR(HighResolution,高分辨率)图像。这种技术利用输入低分辨率图像的部分像素为依据,图像放大后边缘比真实图像的边缘要宽,出现边缘扩散问题,导致图像的纹理细节被平滑,同时会在放大的图像上出现噪点。
基于学习的低分辨率图像放大技术通过学习HR图像和LR(LowResolution,低分辨率)图像在观测模型上的内在联系,利用这种内在联系作为先验知识,来得到较为理想的高分辨率图像。
基于增强的低分辨率图像放大技术首先对低分辨率图像通过插值得到临时放大结果,其次对临时放大结果进行细节增强获取最终的高分辨图像。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:上述三种技术方案都不能很好地进行低分辨率图像的无损放大。基于插值的低分辨率图像无损放大技术放大的图像会出现变缘扩散问题,使得经过放大的图像的纹理细节被平滑,同时会在图像上出现噪点。传统的低分辨图像无损放大技术中涉及到的冲击滤波对于无噪图像进行处理可以得到较好的放大结果,但是如果原始图像中含有噪点,会使得放大后的图像出现明显的锯齿或者块效应等人工痕迹,由于对噪声敏感的缺陷,使冲击滤波的在图像无损放大技术中的推广受到很大的限制。
发明内容
本发明实施例提供一种基于自适应冲击滤波的低分辨率图像放大方法及装置,以对于输入的含噪图像进行有效抑制,使得放大的图像具有较好的边缘。
一方面,本发明实施例提供了一种基于自适应冲击滤波的低分辨率图像放大方法,所述方法包括:
获取低分辨率LR图像;
将所述LR图像进行插值放大,获取初始高分辨率HR图像;
获取所述初始HR图像对应的冲击滤波项;
将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
另一方面,本发明实施例提供了一种基于自适应冲击滤波的低分辨率图像放大装置,所述装置包括:
图像获取单元,用于获取低分辨率LR图像;
插值放大单元,用于将所述LR图像进行插值放大,获取初始高分辨率HR图像;
冲击滤波项获取单元,用于获取所述初始HR图像对应的冲击滤波项;
图像增强单元,用于将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
上述技术方案具有如下有益效果:本发明技术方案根据不同图像边缘,利用边缘停止函数自适应调整冲击滤波的权重系数,对不同的边缘扩散进行相应的减少,边缘得到合适的增强,明显消除了人工痕迹,放大后图像的整体效果显得更加自然。
附图说明
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种基于自适应冲击滤波的低分辨率图像放大方法流程图;
图2为本发明实施例一种基于自适应冲击滤波的低分辨率图像放大装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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。
现有技术基于插值的低分辨率图像无损放大技术放大的图像会出现变缘扩散问题,使得经过放大的图像的纹理细节被平滑,同时会在图像上出现噪点,因此,本发明技术方案使用不同的增强算法对插值后的放大图像的边缘部分进行增强和去噪处理来得到图像无损放大结果。传统的低分辨图像无损放大技术中涉及到的冲击滤波对于无噪图像进行处理可以得到较好的放大结果,但是如果原始图像中含有噪点,会使得放大后的图像出现明显的锯齿或者块效应等人工痕迹,由于对噪声敏感的缺陷,使冲击滤波的在图像无损放大技术中的推广受到很大的限制。本发明技术方案改进传统的冲击滤波模型,对于输入的含噪图像进行有效抑制,使得放大的图像具有较好的边缘。
如图1所示,为本发明实施例一种基于自适应冲击滤波的低分辨率图像放大方法流程图,所述方法包括:
101、获取低分辨率LR图像;
102、将所述LR图像进行插值放大,获取初始高分辨率HR图像;
103、获取所述初始HR图像对应的冲击滤波项;
104、将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
优选地,所述获取低分辨率LR图像,包括:从高清数字电视、或移动娱乐视频、或网络视频会议、或视频监控、或医学诊断视频设备、或军事遥感侦察设备采集并获取低分辨率LR图像。
优选地,所述将所述LR图像插值放大,获取初始高分辨率HR图像,包括:将所述LR图像进行轮廓模板插值放大,获取初始高分辨率HR图像。
优选地,所述获取所述初始HR图像对应的冲击滤波项,包括:通过求取所述初始HR图像对于坐标轴的梯度以及边缘停止函数,以获取所述初始HR图像对应的冲击滤波项。
优选地,所述将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像,包括:将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,利用有限差分法进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
对应于上述方法实施例,如图2所示,为本发明实施例一种基于自适应冲击滤波的低分辨率图像放大装置结构示意图,所述装置包括:
图像获取单元21,用于获取低分辨率LR图像;
插值放大单元22,用于将所述LR图像进行插值放大,获取初始高分辨率HR图像;
冲击滤波项获取单元23,用于获取所述初始HR图像对应的冲击滤波项;
图像增强单元24,用于将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
优选地,所述图像获取单元21,具体用于从高清数字电视、或移动娱乐视频、或网络视频会议、或视频监控、或医学诊断视频设备、或军事遥感侦察设备采集并获取低分辨率LR图像。
优选地,所述插值放大单元22,具体用于将所述LR图像进行轮廓模板插值放大,获取初始高分辨率HR图像。
优选地,所述冲击滤波项获取单元23,具体用于通过求取所述初始HR图像对于坐标轴的梯度以及边缘停止函数,以获取所述初始HR图像对应的冲击滤波项。
优选地,所述图像增强单元24,具体用于将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,利用有限差分法进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
以下举应用实例对本发明上述技术方案进行详细说明:
本发明应用实例一种基于自适应冲击滤波的低分辨率图像无损放大技术,包括以下步骤:
步骤1:采集获取视频监控中的低分辨率图像,将输入的LR(LowResolution,低分辨率)图像利用轮廓模板(Pascal)插值获取初始HR(HighResolution,高分辨率)图像u0。
步骤2:由于进行轮廓模板插值只是一种简单的放大,低分辨率的监控图像放大后较模糊,细节丢失严重,无法有效的分辨出监控场景中的人脸或者车牌号等细节信息,需要进行图像增强来产生最终的无损放大效果,通过求取初始放大图像对于坐标轴的梯度以及边缘停止函数来得到高分辨率图像的相应的冲击滤波项,包含以下几个步骤:
步骤2.1:计算HR图像u0对应坐标轴上的前向差分和后向差分假设图像的横纵坐标分别为i和j,u(i,j)为对应位置的像素值,则图像在横轴上的前后差分和数值实现如下:
同样图像在纵轴上的前后差分和数值实现如下:
步骤2.2:计算HR图像每个像素点的对应的梯度边缘停止函数以及在局部坐标轴上的二阶方向导数uηη和uξξ。由步骤2.1中在坐标轴上的前后差分的数值实现,图像梯度和边缘停止函数的计算分别如下:
图像在对应坐标轴上的一阶差分ux(i,j),uy(i,j)的数值实现如下:
图像在对应坐标轴上的连续二阶差分uxx(i,j),uyy(i,j)和混合二阶差分uxy(i,j)的数值实现如下:
那么图像在局部坐标轴上的二阶方向导数uηη(i,j)和uξξ(i,j)的具体实现如下:
步骤2.3:利用高斯函数Gσ和二阶方向导数uηη的卷积来得到图像的边缘增强项Fshock(i,j)
其中,M表示高斯函数Gσ的半径。
步骤3:将步骤2中的冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,利用有限差分法进行反复迭代求解来得到最优的HR图像结果,包括以下几个步骤:
步骤3.1:改进的冲击滤波模型
其中,cη为边缘停止函数的一个常系数,间接控制冲击滤波项的权重系数,cξ为前向扩散项对应的权重系数,
步骤3.2:令n=n+1,当n≤N(N为实验设置的最大迭代次数)时,转至步骤2,利用有限差分法进行反复迭代求解,则最终监控图像的图像增强结果为un+1(i,j):
步骤4:步骤3中得到达到最大迭代次数的un+1(i,j)即为最终的HR图像。
本发明应用实例经过插值放大的图像含有内插噪声,而原始冲击滤波对噪声比较敏感,一般不能直接利用到插值图像上,传统的冲击滤波二维模型如下:
其中,u为二维图像,ux为水平方向一阶导数,uxx为水平方向上二阶导数,为梯度算子,根据以上模型可以知道,传统的冲击滤波在对没有噪声的图像进行处理时,可以获得良好的增强效果。但是如果图像中含有噪声,噪声可能是随机分布的,如果噪声出现在图像的较平坦区域,那么该噪声可能被误判为一个局部极值点,从而导致被冲击滤波增强,影响图像增强的效果。
本发明应用实例对传统的冲击滤波改动如下:
本发明应用实例改进的冲击滤波模型运用在低分辨率图像无损放大技术中,克服了传统的图像放大技术引进的块效应、锯齿等人工痕迹,图像的整体效果显得更加自然。本发明应用实例通过有限差分法进行反复迭代求解,每次迭代结合改进的冲击滤波增强高分辨率图像的细节,解决图像放大技术中存在的边缘扩散的问题。根据不同图像边缘,利用边缘停止函数自适应调整冲击滤波的权重系数,对不同的边缘扩散进行相应的减少,边缘得到合适的增强,明显消除了人工痕迹,放大后图像的整体效果显得更加自然。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrativelogicalblock),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrativecomponents),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于自适应冲击滤波的低分辨率图像放大方法,其特征在于,所述方法包括:
获取低分辨率LR图像;
将所述LR图像进行插值放大,获取初始高分辨率HR图像;
获取所述初始HR图像对应的冲击滤波项;
将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
2.如权利要求1所述基于自适应冲击滤波的低分辨率图像放大方法,其特征在于,所述获取低分辨率LR图像,包括:
从高清数字电视、或移动娱乐视频、或网络视频会议、或视频监控、或医学诊断视频设备、或军事遥感侦察设备采集并获取低分辨率LR图像。
3.如权利要求1所述基于自适应冲击滤波的低分辨率图像放大方法,其特征在于,所述将所述LR图像插值放大,获取初始高分辨率HR图像,包括:
将所述LR图像进行轮廓模板插值放大,获取初始高分辨率HR图像。
4.如权利要求1所述基于自适应冲击滤波的低分辨率图像放大方法,其特征在于,所述获取所述初始HR图像对应的冲击滤波项,包括:
通过求取所述初始HR图像对于坐标轴的梯度以及边缘停止函数,获取所述初始HR图像对应的冲击滤波项。
5.如权利要求1所述基于自适应冲击滤波的低分辨率图像放大方法,其特征在于,所述将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像,包括:
将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,利用有限差分法进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
6.一种基于自适应冲击滤波的低分辨率图像放大装置,其特征在于,所述装置包括:
图像获取单元,用于获取低分辨率LR图像;
插值放大单元,用于将所述LR图像进行插值放大,获取初始高分辨率HR图像;
冲击滤波项获取单元,用于获取所述初始HR图像对应的冲击滤波项;
图像增强单元,用于将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
7.如权利要求6所述基于自适应冲击滤波的低分辨率图像放大装置,其特征在于,
所述图像获取单元,具体用于从高清数字电视、或移动娱乐视频、或网络视频会议、或视频监控、或医学诊断视频设备、或军事遥感侦察设备采集并获取低分辨率LR图像。
8.如权利要求6所述基于自适应冲击滤波的低分辨率图像放大装置,其特征在于,
所述插值放大单元,具体用于将所述LR图像进行轮廓模板插值放大,获取初始高分辨率HR图像。
9.如权利要求6所述基于自适应冲击滤波的低分辨率图像放大装置,其特征在于,
所述冲击滤波项获取单元,具体用于通过求取所述初始HR图像对于坐标轴的梯度以及边缘停止函数,以获取所述初始HR图像对应的冲击滤波项。
10.如权利要求6所述基于自适应冲击滤波的低分辨率图像放大装置,其特征在于,
所述图像增强单元,具体用于将所述冲击滤波项代入自适应冲击滤波模型进行图像增强,保证图像边缘的纹理细节特征不变,利用有限差分法进行反复迭代求解,获取预设最大迭代次数对应的HR图像结果,作为最终图像增强的HR图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610149945.9A CN105761210A (zh) | 2016-03-16 | 2016-03-16 | 基于自适应冲击滤波的低分辨率图像放大方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610149945.9A CN105761210A (zh) | 2016-03-16 | 2016-03-16 | 基于自适应冲击滤波的低分辨率图像放大方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105761210A true CN105761210A (zh) | 2016-07-13 |
Family
ID=56333317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610149945.9A Pending CN105761210A (zh) | 2016-03-16 | 2016-03-16 | 基于自适应冲击滤波的低分辨率图像放大方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105761210A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942390A (zh) * | 2018-01-16 | 2018-04-20 | 吉林大学 | 一种基于自适应复锐化扩散的沙漠地区地震勘探去噪方法 |
CN108648143A (zh) * | 2018-04-17 | 2018-10-12 | 中国科学院光电技术研究所 | 一种利用序列图像的图像分辨率增强方法 |
CN115984118A (zh) * | 2023-03-17 | 2023-04-18 | 国科天成科技股份有限公司 | 基于边缘增强的红外图像放大算法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
US8995793B1 (en) * | 2009-10-09 | 2015-03-31 | Lockheed Martin Corporation | Moving object super-resolution systems and methods |
-
2016
- 2016-03-16 CN CN201610149945.9A patent/CN105761210A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8995793B1 (en) * | 2009-10-09 | 2015-03-31 | Lockheed Martin Corporation | Moving object super-resolution systems and methods |
CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
Non-Patent Citations (2)
Title |
---|
卫保国等: "自适应耦合方向扩散和冲击滤波的图像放大", 《中国图象图形学报》 * |
肖进胜等: "改进的自适应冲击滤波图像超分辨率插值算法", 《计算机学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942390A (zh) * | 2018-01-16 | 2018-04-20 | 吉林大学 | 一种基于自适应复锐化扩散的沙漠地区地震勘探去噪方法 |
CN107942390B (zh) * | 2018-01-16 | 2019-05-31 | 吉林大学 | 一种基于自适应复锐化扩散的沙漠地区地震勘探去噪方法 |
CN108648143A (zh) * | 2018-04-17 | 2018-10-12 | 中国科学院光电技术研究所 | 一种利用序列图像的图像分辨率增强方法 |
CN108648143B (zh) * | 2018-04-17 | 2022-03-29 | 中国科学院光电技术研究所 | 一种利用序列图像的图像分辨率增强方法 |
CN115984118A (zh) * | 2023-03-17 | 2023-04-18 | 国科天成科技股份有限公司 | 基于边缘增强的红外图像放大算法和装置 |
CN115984118B (zh) * | 2023-03-17 | 2023-07-28 | 国科天成科技股份有限公司 | 基于边缘增强的红外图像放大算法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122197B (zh) | 一种基于深度学习的图像超分辨率重建方法 | |
CN107403415B (zh) | 基于全卷积神经网络的压缩深度图质量增强方法及装置 | |
CN109064428B (zh) | 一种图像去噪处理方法、终端设备及计算机可读存储介质 | |
Wang et al. | Dehazing for images with large sky region | |
Yin et al. | Highly accurate image reconstruction for multimodal noise suppression using semisupervised learning on big data | |
CN109859120B (zh) | 基于多尺度残差网络的图像去雾方法 | |
US20150036943A1 (en) | Patch-Based, Locally Content-Adaptive Image and Video Sharpening | |
CN110443775B (zh) | 基于卷积神经网络的离散小波变换域多聚焦图像融合方法 | |
Zhang et al. | Decision-based non-local means filter for removing impulse noise from digital images | |
CN107301662A (zh) | 深度图像的压缩恢复方法、装置、设备及存储介质 | |
CN105761210A (zh) | 基于自适应冲击滤波的低分辨率图像放大方法及装置 | |
CN116958453A (zh) | 基于神经辐射场的三维模型重建方法、设备和介质 | |
CN109949234A (zh) | 基于深度网络的视频复原模型训练方法及视频复原方法 | |
CN109064402A (zh) | 基于增强非局部总变分模型先验的单幅图像超分辨率重建方法 | |
Zhang et al. | Enhanced visual perception for underwater images based on multistage generative adversarial network | |
CN113284059A (zh) | 模型训练方法、图像增强方法、装置、电子设备及介质 | |
CN106558021A (zh) | 基于超分辨率技术的视频增强方法 | |
CN110895790A (zh) | 基于后验降质信息估计的场景图像超分辨方法 | |
CN109242797A (zh) | 基于均质和异质区域融合的图像去噪方法、系统及介质 | |
Li et al. | Dark channel prior based blurred image restoration method using total variation and morphology | |
CN105787890A (zh) | 自适应等距模板迭代均值滤波的图像去噪方法 | |
CN114119377A (zh) | 一种图像处理方法及装置 | |
CN114509814A (zh) | 一种叠前地震资料随机噪音压制方法及系统 | |
CN109191391A (zh) | 一种衰减参数自适应非局部均值的图像降噪方法 | |
CN111383187A (zh) | 一种图像处理方法、装置及智能终端 |
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: 20160713 |
|
RJ01 | Rejection of invention patent application after publication |