[发明专利]超解像方法和系统、服务器、用户设备及其方法

说明书

提供一种超解像方法、超解像系统、用户设备和服务器，能够进一步提高画质。根据本发明实施例的超解像方法包括：在服务器对图像样本进行训练；获得服务器端图像数据库；利用服务器端图像数据库来更新用户设备中的本地图像数据库；以及将输入的低分辨率图像显示为高分辨率图像。根据本公开实施例，用户设备中的本地图像数据库不是固化的，可以利用服务器端图像数据库来更新该本地图像数据库，因此能够确保本地图像数据库是最新的，从而进一步提升了画质，并且画质的提升是动态的。

技术领域

本发明涉及图像处理技术领域。

背景技术

图像的高分辨率是指着图像含有的像素密度高，能提供丰富的细节信息，对客观场景的描述更准确细致。高分辨率图像在信息时代的需求非常广泛，诸如卫星遥感图像、视频安全监控、军事侦查航拍领域、医学数字影像和视频标准转换等领域都具有十分重要的应用。

目前的图像超解像技术主要分为两类：基于重建的超解像技术和基于学习的超解像技术。在基于重建的超解像技术中，所有信息都只能全部从输入图像数据中获得，没有任何附加的背景知识，整个解决过程相当于信息提取和信息融合的过程。随着分辨放大系数的增加，需要提供的输入图像样本数量急剧增加，但是在达到放大系数的上限后，无论增加多少输入图像样本，都无法再改善重建效果。

针对重建算法的局限性，基于学习的超解像技术作为一个前沿的研究领域应运而生。该方法使用图像训练集来产生学习模型，并运用这个模型创建图像的高频细节。基于学习的超解像方法让画质有了很大的提升，但是它也存在一定的缺陷，即本地的图像数据库是采集目前现有的视频图像作为训练样本，其是已经被固化的和不可更改的，因此对画质的提升效果具有一定程度的局限性。

因此，需要一种能够进一步提高画质的超解像技术。

发明内容

本发明实施例提供一种超解像方法、超解像系统、用户设备和服务器，能够进一步提高画质。

根据本发明实施例，提供一种超解像方法，包括：在服务器对图像样本进行训练；获得服务器端图像数据库；利用服务器端图像数据库来更新用户设备中的本地图像数据库；以及将输入的低分辨率图像显示为高分辨率图像。

在一个例子中，在服务器对图像样本进行训练包括：接收上传到服务器或下载到服务器的图像样本，并进行选择；将所选择的图像样本进行分类；根据图像样本的类别进行训练，获得该类别的新参数。

在一个例子中，获得服务器端图像数据库包括：利用图像样本及该图像样本的类别的新参数来更新服务器端图像数据库中的模版向量和低分辨率-高分辨率字典块。

在一个例子中，利用服务器端图像数据库来更新用户设备中的本地图像数据库包括：更新本地图像数据中的模版向量和低分辨率-高分辨率字典块中的至少一个。

在一个例子中，模版向量具有不同的层级。

在一个例子中，图像样本是图片或视频。

根据本发明另一实施例，提供一种在用户设备中执行超解像的方法，包括：从服务器接收更新数据来更新用户设备中的本地图像数据库；以及在用户设备中基于本地图像数据库将输入的低分辨率图像显示为高分辨率图像。

在一个例子中，从服务器接收更新数据来更新用户设备中的本地图像数据库包括：更新本地图像数据中的模版向量和低分辨率-高分辨率字典块中的至少一个。

在一个例子中，在用户设备中基于本地图像数据库将输入的低分辨率图像显示为高分辨率图像包括：对输入的低分辨率图像执行预处理；对预处理后的低分辨率图像执行分类和特征提取；基于本地图像数据库对低分辨率图像进行匹配；对匹配后的低分辨率图像执行图像融合，以显示高分辨率图像。

在一个例子中，模版向量具有不同的层级，并且更新本地图像数据中的模版向量包括通过选择模版向量的层级来执行更新。