專利名稱：：一種基于重建的超分辨率方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于計(jì)算機(jī)多媒體技術(shù)和數(shù)字圖像處理
技術(shù)領(lǐng)域：
，涉及一種基于重建的超分辨率方法。
背景技術(shù)：
：超分辨率技術(shù)是指，從輸入的低分辨率圖像生成高分辨率圖像的技術(shù)。超分辨率技術(shù)應(yīng)用的場景相當(dāng)廣泛，例如，我們需要在不同分辨率的顯示器、電視機(jī)、移動電話上顯示同一幅圖像；又如，我們希望能夠提高一副由低分辨率照相機(jī)拍攝的照片質(zhì)量；或者我們希望通過提高分辨率，來提高圖像識別系統(tǒng)的分辨能力；也可以把DVD格式的影像升級為HDTV格式更為清晰的影像。超分辨率技術(shù)的概念，是由Tsai和Huang提出來的。最基礎(chǔ)的超分辨率方法，包括Pixelr印lication(PR)。這種方法僅僅將單個(gè)像素放大成一個(gè)方陣的同種像素。通常情況下，I3R的效果并不好。多數(shù)超分辨率方法都運(yùn)用了空間插值(Spatialinterpolation)0其中，線性插值Linearinterpolation(Li)方法最為常見。這種方法將中間的像素設(shè)定為一個(gè)帶權(quán)重為該位置和附近鄰接的4個(gè)像素距離的均值。與本發(fā)明相關(guān)的參考文獻(xiàn)有1.T.AcharyaandP.-S.Tsai.Computationalfoundationsofimageinterpolationalgorithms.ACMUbiquity，8，2007.2.C.B.Atkins,C.A.Bouman,andJ.P.Allebach.Optimalimagescalingusingpixelclassification.InProceedingsofthe2001InternationalConferenceonImageProcessing(ICIP*01),volume3，pages864-867,2001.3.S.BakerandT.Kanade.Limitsonsuper-resolutionandhowtobreakthem.InProceedingsofthe2000IEEEConferenceonComputerVisionandPatternRecognition(CPVR^00)，volume2，pages372_379，2000.4.P.Blomgren，G.Papanicolaou，andH.Zhao.Super-resolutionintimereversalacoustics.JournaloftheAcousticalSocietyofAmerica，111:230_248，2002.5.T.Blu，P.Th'evenaz,andM.Unser.Generalizedinterpolation:higherqualityatnoadditionalcost.InProceedingsofthe1999InternationalConferenceonImageProcessing(ICIP'99)，volume3，pages667-671，1999·6.F.M.CandociaandJ.C.Principe.Superresolutionofimageswithlearnedmultiplereconstructionkernels.InL.Guan,S.Y.Kung,andJ.Larsen,editors，MultimediaImageandVideoProcessing,chapter4，pages219-243.CRCPress，NewYork，2000.7.A.CorduneanuandJ.C.Piatt.Learningspatially-variablefiltersforsuperresolutionoftext.InProceedingsofthe2010InternationalConferenceonImageProcessing(ICIP’10)，volume1，pages849_852，2005·8.L.Davis.Asurveyofedgedetectiontechniques.ComputerGraphicsandImageProcessing，4:248_270，1975.9.T.K.Dey，K.Mehlhorn，andE.A.Ramos.Curvereconstruction-connectingdotswithgoodreason.ComputationalGeometry:TheoryandApplications，10289-303，2000.10.S.Farsiu，M.Elad，andP.MiIanfar.Apracticalapproachtosuper-resolution.InProceedingsofthe40thAsilomarConferenceonSignals，SystemsandComputers,2006.Invitedpaper.11.W.T.Freeman，T.R.Jones，andE.C.Pasztor.Examp1e-basedsuper-resolution.IEEEComputerGraphicsandApplications，pages56—65，2002·12.T.L.Friedman.TheWorldisFlat:ABriefHistoryoftheTwenty-FirstCentury.Farrar,StraussandGiroux,2005.13.M.IraniandS.Peleg.Superresolutionfromimagesequences.IηProceedingsoftheIOthInternationalConferenceonPatternRecognition(ICPR，90)，volume2,pages115-120，1990.14.Z.Jiang,T.-T.Wong,andH.Bao.Practicalsuper-resolutionfromdynamicvideosequences.InProceedingsofthe2003IEEEConferenceonComputationVisionandPatternRecognition(CVPR^03),volume2,pages549-554,2003.15.Τ.M.Lehmann,C.G..onner，andK.Spitzer.Survey!interpolationmethodsinmedicalimageprocessing.IEEETransactionsonMedicalImaging,18(11)1049-1075,1999.16.T.LengauerandK.Mehlhorn.TheHILLsystem:adesignenvironmentforthehierarchicalspecification,compaction,andsimulationofintegratedcircuitlayouts.InJr.PaulPenfield，editor，ProceedingsoftheMITVLSIConference.ArtechHouse，Inc.,1984.17.X.LiandΜ.T.Orchard.Newedge-directedinterpolation.IEEETransactionsonImageProcessing，10(10):1521-1527，200L18.Z.LinandH.-Y.Shum.Fundamentallimitsofreconstruction-basedsuperresolutionalgorithmsunderlocaltranslation.IEEETransactionsonPatternAnalysisandMachineIntelligence，26(1):83_97，2004.19.K.Mehlhorn.Onthesizeofsetsofcomputablefunctions.InInProceedingsofthe14thIEEESymposiumonAutomataandSwitchingTheory,pages190-196,1973.20.K.MehlhornandS.N"aher.TheLEDAPlatformforCombinatorialandGeometricComputing.CambridgeUniversityPress,Cambridge,England,1999.21.E.Meijering.Achronologyofinterpolation:fromancientastronomytomodernsignalandimageprocessing.ProceedingsoftheIEEE，90(3):319_342，2002·22.B.Mitra.Gaussian-basededge-detectionmethods:asurvey.IEEETransactionsonSystems,Man，andCybernetics—PartC!ApplicationsandReviews,32(3),2002.
發(fā)明內(nèi)容本發(fā)明旨在提供一種基于重建的超分辨率方法，從低分辨率圖像中提取原始物體的邊界線段表達(dá)式，繼而將邊界上的像素進(jìn)行精確著色，從而獲得高分辨率圖像。本發(fā)明的技術(shù)方案是一種基于重建的超分辨率方法，它包括如下步驟步驟1在給定的低分辨率圖像中，首先尋找那些存在鄰接相同顏色的像素，然后用像素復(fù)制冊方法處理這些像素，獲得各新生成的對應(yīng)高分辨率像素的灰度值C；步驟2區(qū)分邊界像素和漸變像素，對邊界像素計(jì)算出穿過它們像素的邊界線段的表達(dá)式；對漸變像素轉(zhuǎn)至步驟5處理；步驟3對邊界線段表達(dá)式進(jìn)行近似處理，使得相鄰邊界線段的交點(diǎn)重合，保證連接起來形成的邊界連續(xù)、光滑；如果公共邊上的邊界線段交點(diǎn)不重合，則將兩個(gè)交點(diǎn)的中點(diǎn)作為兩個(gè)邊界像素在該邊上的邊界交點(diǎn)，轉(zhuǎn)至步驟2，重新計(jì)算該位置的邊界線表達(dá)式；步驟4利用所得的邊界線表達(dá)式，以及邊界兩邊物體的灰度值，直接計(jì)算出高分辨率圖像中對應(yīng)像素的灰度值；步驟5把所有其余的像素標(biāo)記為漸變像素，用線性插值LI方法處理。其中步驟2所述區(qū)分邊界像素和漸變像素，對邊界像素計(jì)算出穿過它們像素邊界線段的表達(dá)式的方法步驟如下步驟21將兩個(gè)不同像素的邊界線近似擬合成為與水平面斜交的直線段，所述直線段的左右兩側(cè)為兩個(gè)不同像素的顏色，其灰度值分別為C1和C；；對于水平的邊界線，可將所述圖像順時(shí)針或者逆時(shí)針旋轉(zhuǎn)90°；步驟22為所述直線段取單元坐標(biāo)方格，每個(gè)方格的邊長為0.5，令直線段與相鄰兩個(gè)方格相交的3個(gè)橫坐標(biāo)值分別為a、b和c；步驟23建立直線段穿越相鄰兩個(gè)縱向坐標(biāo)格的兩個(gè)像素灰度值Cb和Ct公式；步驟24利用a、b和c的幾何關(guān)系，求得a、b和c值；若0<a、b、c<1，則所述兩個(gè)不同像素為邊界像素，從而得到邊界直線段的具體表達(dá)式；否則所述兩個(gè)不同像素為漸變像素。本發(fā)明基于重建的超分辨率方法有若干應(yīng)用，比如可以運(yùn)用超分辨率技術(shù)提高見識人臉識別儀器拍攝出的照片的分辨率，從而提高人臉識別的成功率；又如可以采用該方法來提高手提電話拍攝照片的分辨率，使相片更清晰；又如可以用超分辨率技術(shù)將DVD影像提升為HDTV的影像。與現(xiàn)行比較流行的快速處理方法ra和LI相比較，本發(fā)明超分辨率方法可以得到較準(zhǔn)確的邊界，使得成像效果更佳，能夠在很大程度上使得圖像變得更加清晰。圖1是本發(fā)明超分辨率方法的流程框圖。圖2是本發(fā)明超分辨率方法的邊界表達(dá)式計(jì)算方法示意圖。圖3(a)是原始低分辨率圖像；圖3(b)是經(jīng)本發(fā)明超分辨率方法處理后的圖像；圖3(c)是經(jīng)I3R算法處理后的圖像；圖3⑷是經(jīng)LI方法處理后的圖像。圖4(a)是原始奧運(yùn)會徽圖樣；圖4(b)是經(jīng)本發(fā)明超分辨率方法處理后的高分辨率奧運(yùn)會徽圖樣圖4(c)是圖4(a)的會徽局部放大圖4(d)是經(jīng)本發(fā)明超分辨率方法處理后的會徽局部放大圖4(e)是經(jīng)I3R算法處理后的會徽局部放大圖4(f)是經(jīng)LI方法處理后的會徽局部放大圖。具體實(shí)施例方式本發(fā)明超分辨率方法的思路是從基于邊界線性模型的假設(shè)，可以將低分辨率圖像看作是物體具有多邊形邊界的組合，從低分辨率圖像中提取原始物體的邊界線段表達(dá)式，繼而在高分辨率圖像中，將邊界上的像素進(jìn)行精確著色，其余非邊界像素，按照傳統(tǒng)的方法進(jìn)行著色。下面結(jié)合附圖對本發(fā)明超分辨率方法作詳細(xì)說明。1.Exact超分辨率方法本發(fā)明超分辨率方法Exact的流程如圖1所示，具體步驟如下第一步，對給定的低分辨率圖像，首先找到出那些存在鄰接相同顏色鄰居的像素，用I3R方法處理這些像素；第二步，找到所有符合以上描述的幾種情況之一的邊界像素，并且計(jì)算出穿過這些像素的邊界線的表達(dá)式。第三步，對邊界線段表達(dá)式進(jìn)行近似處理，使得它們連接起來形成的邊界連續(xù)，光滑。對所有(水平方向，垂直方向)相鄰的邊界像素，如果公共邊上的邊界線段交點(diǎn)不重合，將兩個(gè)交點(diǎn)的中點(diǎn)作為兩個(gè)邊界像素在該邊上的邊界交點(diǎn)，重新計(jì)算該位置的邊界線表達(dá)式。第四步，利用所得的邊界線表達(dá)式，直接計(jì)算出高分辨率圖像中對應(yīng)像素的灰度值；第五步，把所有其余的像素標(biāo)記為漸變像素，用LI方法處理；2.邊界計(jì)算對于第二步所述計(jì)算邊界線的表達(dá)式，對第一步處理之后剩下的所有像素，做如下的檢驗(yàn)，來確定該像素是否是邊界像素，假設(shè)一條直線邊界線為左右兩不同顏色灰度值分別為C1和(；，如圖2所示。則該邊界線貫穿的幾個(gè)像素的灰度值(如圖)由下述公式?jīng)Q定。Γπα+5,α+6、Cb=.Cd+(1———)·Cr‘「πδ+c,^b+c.Ct=.C1+(1———)·Cr.又已知，權(quán)利要求一種基于重建的超分辨率方法，其特征在于它包括如下步驟步驟1在給定的低分辨率圖像中，首先尋找那些存在鄰接相同顏色的像素，然后用像素復(fù)制PR方法處理這些像素，獲得各新生成的對應(yīng)高分辨率像素的灰度值C；步驟2區(qū)分邊界像素和漸變像素，對邊界像素計(jì)算出穿過它們像素的邊界線段的表達(dá)式；對漸變像素轉(zhuǎn)至步驟5處理；步驟3對邊界線段表達(dá)式進(jìn)行近似處理，使得相鄰邊界線段的交點(diǎn)重合，保證連接起來形成的邊界連續(xù)、光滑；如果公共邊上的邊界線段交點(diǎn)不重合，則將兩個(gè)交點(diǎn)的中點(diǎn)作為兩個(gè)邊界像素在該邊上的邊界交點(diǎn)，轉(zhuǎn)至步驟2，重新計(jì)算該位置的邊界線表達(dá)式；步驟4利用所得的邊界線表達(dá)式，以及邊界兩邊物體的灰度值，直接計(jì)算出高分辨率圖像中對應(yīng)像素的灰度值；步驟5把所有其余的像素標(biāo)記為漸變像素，用線性插值LI方法處理。2.如權(quán)利要求1所述的超分辨率方法，其特征在于步驟2所述區(qū)分邊界像素和漸變像素，對邊界像素計(jì)算出穿過它們像素邊界線段的表達(dá)式的方法步驟如下步驟21將兩個(gè)不同像素的邊界線近似擬合成為與水平面斜交的直線段，所述直線段的左右兩側(cè)為兩個(gè)不同像素的顏色，其灰度值分別為Q和(；；對于水平的邊界線，可將所述圖像順時(shí)針或者逆時(shí)針旋轉(zhuǎn)90°；步驟22為所述直線段取單元坐標(biāo)方格，每個(gè)方格的邊長為0.5，令直線段與相鄰兩個(gè)方格相交的3個(gè)橫坐標(biāo)值分別為a、b和c；步驟23建立直線段穿越相鄰兩個(gè)縱向坐標(biāo)格的兩個(gè)像素灰度值Cb和Ct公式；步驟24利用a、b和c的幾何關(guān)系，求得a、b和c值；若0<a、b、c<1，則所述兩個(gè)不同像素為邊界像素，從而得到邊界直線段的具體表達(dá)式；否則所述兩個(gè)不同像素為漸變像素。全文摘要本發(fā)明屬于計(jì)算機(jī)多媒體技術(shù)和數(shù)字圖像處理
技術(shù)領(lǐng)域：
，涉及一種基于重建的超分辨率方法。本發(fā)明基于邊界線性模型的假設(shè)，可以將低分辨率圖像看作是物體具有多邊形邊界的組合，從低分辨率圖像中提取原始物體的邊界線段表達(dá)式，繼而在高分辨率圖像中，將邊界上的像素進(jìn)行精確著色，其余非邊界像素，按照傳統(tǒng)的方法進(jìn)行著色。與現(xiàn)行比較流行的快速處理方法PR和LI相比較，本發(fā)明超分辨率方法可得到比較準(zhǔn)確的邊界，使得成像效果更佳，能夠在很大程度上使得圖像變得更加清晰。文檔編號G06T5/00GK101996393SQ20091005630公開日2011年3月30日申請日期2009年8月12日優(yōu)先權(quán)日2009年8月12日發(fā)明者魯?shù)婪蛏暾埲?復(fù)旦大學(xué)