[发明专利]通过移位叠加的基于空间的实时分辨率增强

说明书

本申请提供了一种用于投影具有增强可见分辨率的图像的投影系统。所述投影系统包括至少一个投影仪、重采样器模块和反卷积模块。重采样器模块用于对接收到的高分辨率信号进行上采样，对信号进行整数移位操作和下采样，得到至少两个低分辨率信号。反卷积模块用于使用空间域反卷积操作过滤所述上采样后的高分辨率信号，所述空间域反卷积操作基于至少一个投影仪的特征近似于频域光学校正。优选地，空间域反卷积操作使用从维纳滤波器的空间域近似中提取的N×N空间核。

技术领域

本申请涉及投影系统，特别涉及一种基于空间的滤波器，用于增强投影系统的分辨率。

背景技术

高清(High definition，HD)视频已在消费者和企业中被广泛使用。例如，在家庭娱乐行业，对新的超高清/4K视频技术的消费需求较大。但是，高分辨率的投影仪价格较昂贵。另外，超分辨率(Super-Resolution，SR)是图像处理的研究领域，其通过一系列低分辨率图像得到高分辨率图像。

例如，可以通过相机获得高分辨率的图像和视频。相比之下，目前使用的显示投影仪的显示分辨率十分有限。因此，需要增加投影仪的可见显示分辨率。一种增强投影仪分辨率的典型模型为：将高分辨率信号分解为多个较低分辨率信号，然后采用不同的偏移量和较高的帧速率(如播放视频时)显示这些低分辨率信号。

关于SR的问题，即通过一系列低分辨率图像得到较高分辨率图像，有关文献已多有研究并且已经提出了不同的实现方法。

一种SR方法是采用傅立叶变换解决SR问题。基于频率的SR方法依赖于三个基本前提条件，1)输入图像是频带限制的，2)连续傅立叶变换(Continuous Fourier Transform，CFT)和离散傅立叶变换(Discrete Fourier Transform，DFT)之间存在混叠关系，3)傅立叶变换存在移位特性。CFT和DFT之间的混叠关系可以通过最小二乘法解出。基于频率的SR模型往往对模型错误很敏感。此外，这类模型可以处理平移运动，而非平移运动会显著降低模型效果。此外，基于频率的SR方法只限于空间不变退化模型，这就限制了这类方法在许多真实世界场景中的应用，因为在真实世界场景中，退化模型会发生空间上的变化(例如，空间变换点扩散函数(Point Spread Function，PSF))。通常，基于频率的SR方法对运用空间域的先验知识进行问题正则化的能力有限。

另一种SR方法是在空间域中解决SR问题。空间域SR方法可以解决更复杂的SR问题，例如全局运动和局部运动、空间变化的PSF、运动模糊、压缩失真等。空间域SR方法可以包括，如迭代反投影、非迭代空间域和混合方法。在随机方法，特别是基于贝叶斯的方法中，SR问题可以被视为统计估计问题，这类方法由于能够包含先验约束(例如，保留先前图像的边缘)从而实现令人满意的SR问题解决方案，因而很快受到了SR领域的研究人员的关注。另一方面，空间域方法计算量很大，因此不适合实时应用。特别地，若采用迭代反投影相关的方法，则不容易包含先验约束。即使是随机方法(一种根据先验SR约束建模的灵活方便的方法)，也存在不能重建图像的高频组分的限制。

此外，大多数SR方法(不论是基于频率的还是空间的)都是很耗时的，因此不能满足基于SR的应用的实时限制。

已开发出各种图像恢复技术用于校正光学像差并恢复出近似的原始图像。传统方法主要是通过在显示前用过滤器对源图像进行转换。但在大多数现有方法中，是在频域中进行过滤操作，这需要复杂的硬件设备。由于商用投影仪的处理能力有限，实现实时频域光学像差校正目前不可行。

发明内容