[发明专利]一种基于DLSS深度学习超级采样技术的图像滤波方法

权利要求书

1.一种基于DLSS深度学习超级采样技术的图像滤波方法，其特征在于，包括如下步骤：

S1、获取原始图像I_L；

S2、使用DLSS深度学习超级采样技术由原始图像I_L生成轮廓模板；

将原始图像I_L进行卷积计算后进行局部归一化和池化处理得到轮廓模板，其中，池化处理包括将局部归一化处理后的图片不重叠地分割成若干个同样大小的区域，每个区域内取最大的值，并舍弃其它值，以池化前的图片的平面结构输出轮廓模板；

S3、对轮廓模板进行插值得到初始插值图像I_I；

S4、基于原始图像I_L提取低频图像I_LL和高频图像I_LH；

S5、将原始图像I_L分为多个待匹配块；

S6、基于原始图像I_L分成的多个待匹配块生成多个高频信息块；

S7、将得到的高频信息块拼接成具有初始插值图像I_I尺寸的高频信息H；

S8、将高频信息H叠加到初始插值图像I_I上合成具有原始图像I_L纹理特征的超分辨率图像I_H；

S9、对超分辨率图像I_H进行滤波得到目标图像。

2.如权利要求1所述的基于DLSS深度学习超级采样技术的图像滤波方法，其特征在于，采用函数f(x)＝(1+e^-x)^-1进行局部归一化处理，其中，f(x)为输出，x为输入。

3.如权利要求2所述的基于DLSS深度学习超级采样技术的图像滤波方法，其特征在于，S5中将原始图像I_L分为多个待匹配块的方法包括：

以原始图像I_L中构造多个尺寸为i×i的待匹配块，控制顶点为待匹配块左上角的顶点。

4.如权利要求3所述的基于DLSS深度学习超级采样技术的图像滤波方法，其特征在于，S6中基于原始图像I_L分成的多个待匹配块生成多个高频信息块的方法包括：

对于任意一个待匹配块，找到其控制顶点在低频图像I_LL中对应的点p；

以点p为中心，在点p邻域内进行块粗匹配，找到总变分最小的匹配块控制点p₁；

以点p₁为中心，在点p₁邻域内进行块细匹配,找到最佳块匹配控制点p₂；

以点p₂为顶点构建一个块R，基于块R求对应的待加窗高频块H_k；

将待加窗高频块H_k加窗得到高频信息块H_ks。