[发明专利]一种实时超分辨率重建方法

说明书

本发明涉及一种实时超分辨率重建方法，根据第一分辨率图像处理形成第二分别率图像，由第一分辨率图像和第二分别率图像确定分辨率字典；对待重建的图像进行分块处理形成多个待重建图像块；设置信息量阈值并判断所述待重建图像块的信息量是否大于所述信息量阈值；若是，则根据所述分辨率字典对所述待重建图像块进行图像重建形成第一子区域，对第一子区域进行图像拼接得到超分辨率重建图像。本发明为基于学习的超分辨率重建算法实现图像实时分辨率重建不需要改变成像系统硬件结构，具有成本低，经济效益高的优点。

技术领域

本发明涉及图像视频领域，特别涉及一种实时超分辨率重建方法。

背景技术

图像超分辨率重建技术就是利用一组低质量、低分辨率图像(或运动序列)来产生单幅高质量、高分辨率图像。图像超分辨率重建应用领域及其宽广，在军事，医学，公共安全，计算机视觉等方面都存在着重要的应用前景。在计算机视觉领域，图像超分辨率重建技术有可能使图像实现从检出水平(detectionlevel)向识别水平(recognitionlevel)的转化，或更进一步实现向细辨水平(identificationlevel)的转化。图像超分辨率重建技术可以提高图像的识别能力和识别精度。图像超分辨率重建技术可以实现目标物的专注分析，从而可以获取感兴趣区域更高空间分辨率的图像，而不必直接采用数据量巨大的高空间分辨率图像的配置。

随着计算机技术发展，人们在军事领域、卫星遥感成像领域及医学等领域对高分辨率图像的需求越来越迫切，然而由于传统设备在成像过程中会受到系统模糊、大气运动、噪声、成像环境等各种因素影响，导致获取图像分辨率较低，难以满足特定需求。若通过硬件设备来提升分辨率这种传统手段，会造成设备体积增大、制造成本高、加工困难等一系列新问题。因此，通过软件技术来提升图像分辨率成为新的方式。

目前的超分辨率重建算法主要有基于插值的重建算法、基于模型的重建算法和基于学习的重建算法，从重建图像质量而言，基于学习的重建算法效果更佳，可以显著提升图像分辨率。基于学习的超分辨率重建算法虽然效果好，但是由于需要训练大量的先验信息，因而重建效率却比较低，无法实现实时超分辨率重建的目的。

发明内容

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种实时超分辨率重建方法。

具体地，本发明一个实施例提出的一种实时超分辨率重建算法，包括：

步骤1、根据第一分辨率图像处理形成第二分辨 率图像，由所述第一分辨率图像和所述第二分辨 率图像确定分辨率字典；

步骤2、对待重建的图像进行分块处理形成多个待重建图像块；

步骤3、设置信息量阈值并判断所述待重建图像块的信息量是否大于所述信息量阈值；若是，则根据所述分辨率字典对所述待重建图像块进行图像重建以形成第一子区域；

步骤4、对所述第一子区域进行图像拼接得到超分辨率重建图像。

在本发明的一个实施例中，根据第一分辨率图像处理形成第二分辨 率图像，包括：

将所述第一分辨率图像按照退化模型进行模糊处理和N倍下采样处理形成所述第二分辨率图像。

在本发明的一个实施例中，由所述第一分辨率图像和所述第二分辨 率图像确定分辨率字典，包括：

根据特征提取算法提取图像特征，获得第一分辨率图像特征信息和第二分辨率图像特征信息；

根据K-SVD算法，对所述第一分辨率图像特征信息和所述第二分辨率图像特征信息进行训练以获得第一分辨率字典和第二分辨率字典。

在本发明的一个实施例中，获得第一分辨率字典和第二分辨率字典，包括：

通过最小化逼近误差计算所述第一分辨率字典：：