[发明专利]用于对有噪输入图像进行分辨率上调的方法和装置

说明书

在利用已知的关于有噪图像的图像分辨率上调方法的情况下，在去噪期间丢失重要的细节信息。一种用于对有噪输入图像进行分辨率上调的方法(100)包括：对有噪输入图像进行分辨率上调以获得有噪高分辨率(HR)图像，对有噪输入图像进行去噪(30)以获得去噪低分辨率(LR)图像，对去噪LR图像进行分辨率上调(40)以获得经分辨率上调的去噪LR图像，以及将有噪HR图像与经分辨率上调的去噪LR图像进行组合(50)以生成去噪HR图像。

技术领域

本发明涉及一种用于对图像进行分辨率上调(upscaling)的方法和一种用于对图像进行分辨率上调的装置。

背景技术

图像超分辨率是根据低分辨率(LR)图像生成放大的高分辨率(HR)图像的任务。该放大的图像应当保留LR图像的高频(HF)内容。通常，通过首先去噪然后分辨率上调来根据有噪LR图像获得HR图像。

WO2015121422A公开了一种噪声感知单图像超分辨率(SI-SR)算法，其在添加从较低分辨率学习的细节的同时自动地消除加性噪声。与常规的SI-SR技术相反，该方法不假设输入图像是清楚的示例源。相反，该方法利用最近且有效的就地跨分比率自相似性先知(prior)，用于学习精细细节示例以补充基于内插的经分辨率上调的图像分块并减少图像噪声。

在EP3086280中，首先通过内插获得超分辨图像的粗略估计。然后，对经分辨率上调的图像的每个分块进行平均减法和归一化，以自上而下遍历在离线训练期间获得的若干独立的分级非线性映射函数。在每个自上而下遍历期间，映射中的分层模式与归一化分块之间的相似性被组合，并且选择具有最佳相似性的映射，从而提高通过利用单一映射的替代解决方案实现的质量。然后，通过对应于所选择的映射中的所得到的线性化的局部线性映射来处理经平均减法的分块，并将其添加到粗略分块。

[Dabov2007]公开了通过两步法的图像去噪，其中每个步骤包括通过块匹配对相似分块的分组、3D变换、协同滤波级、以及对重构图像的逆3D变换和构图。在第一级期间，协同滤波器使用硬阈值设定，而在第二级期间，使用更精细的维纳(Wiener)去噪滤波器。阈值和滤波器系数的选择需要知道噪声水平。

[Dong2014]使用基于具有多个层的卷积神经网络(CNN)的方法来对图像进行分辨率上调的方案。

发明内容

已知的图像分辨率上调方法的问题是当输入图像有噪时，在去噪期间丢失重要的细节信息，这在分辨率上调期间难以恢复。

本发明提供了一种用于改善有噪图像的分辨率上调的解决方案。

在一个实施例中，一种用于对有噪输入图像进行分辨率上调的方法包括：对有噪输入图像进行分辨率上调以获得有噪高分辨率(HR)图像；对有噪输入图像进行去噪以获得去噪低分辨率(LR)图像；对去噪LR图像进行分辨率上调以获得经分辨率上调的去噪LR图像，以及对有噪HR图像和经分辨率上调的去噪LR图像进行组合，以生成去噪HR图像。

本发明还提供了一种利用该方法的装置。

根据一个实施例，计算机可读介质具有使计算机执行如实施例中所公开的方法的可执行指令。

根据一个实施例，一种用于分辨率上调的装置包括至少一个硬件组件和非瞬时性有形计算机可读存储介质，该非瞬时性有形计算机可读存储介质有形地具体实现至少一个软件组件，当该至少一个软件组件在所述至少一个硬件组件上执行时，使该至少一个硬件组件执行如实施例中所公开的方法。

在一个实施例中，至少一个硬件组件包括至少一个硬件处理器。

当结合附图考虑以下描述和所附权利要求时，本发明的其他目的、特征和优点将变得显而易见。

附图说明

参考附图描述了本发明的示例性实施例，在附图中示出了：

图1：图像分辨率上调方法的流程图；