[发明专利]一种利用时空马尔科夫随机场模型的视频超分辨方法

权利要求书

1.一种利用时空马尔科夫随机场模型的视频超分辨方法，包括如下步骤：

收集训练数据，根据所述训练数据构建第一马尔科夫随机场模型，学习所述第一马尔科夫随机场模型以获取先验约束，其中，所述训练数据为高分辨率视频图像；

输入测试视频，对所述测试视频进行上采样以获得测试数据，根据所述测试数据构建第二马尔科夫随机场模型，其中，所述测试视频为低分辨率视频；以及

利用学习所述第一马尔科夫随机场模型获得的先验约束对所述第二马尔科夫随机场模型的参数进行优化，以对所述输入视频进行超分辨率运算。

2.如权利要求1所述的视频超分辨方法，其特征在于，所述收集训练数据包括如下步骤：

从高分辨率视频图像集中进行关键帧抽取，并对抽取后的高分辨率视频图像集进行分段；

从分段后的所述高分辨率视频图像集中选取一个图像序列的子集；以及

在所述图像序列的子集中进行随机采样以获取训练数据。

3.如权利要求1所述的视频超分辨方法，其特征在于，所述根据训练数据构建第一马尔科夫随机场模型包括如下步骤：

根据所述训练数据构建第一空域马尔科夫随机场模型和第一时域马尔科夫随机场模型。

4.如权利要求3所述的视频超分辨方法，其特征在于，所述根据训练数据构建第一空域马尔科夫随机场模型包括如下步骤：

利用图像分割算法对所述训练数据中的每帧图像进行过分割以得到多个不规则的邻域，其中，将所述多个不规则的邻域作为多个第一空域簇，根据所述多个第一空域簇构建所述第一空域马尔科夫随机场模型。

5.如权利要求4所述的视频超分辨方法，其特征在于，将所述多个不规则的邻域中的每个超像素作为一个第一空域簇。

6.如权利要求3所述的视频超分辨方法，其特征在于，所述第一时域马尔科夫随机场模型包括运动区域的第一时域马尔科夫随机场模型和相对静止区域的第一时域马尔科夫随机场模型，其中，所述相对静止区域为背景区域。

7.如权利要求6所述的视频超分辨方法，其特征在于，所述根据训练数据构建运动区域的第一时域马尔科夫随机场模型包括如下步骤：

通过光流计算检测所述训练数据的运动前景区域和运动轨迹，将时间域沿光流方向的图像片序列作为第一运动区域簇以构建所述运动区域的第一时域马尔科夫随机场模型。

8.如权利要求6所述的视频超分辨方法，其特征在于，所述根据训练数据构建相对静止区域的第一时域马尔科夫随机场模型包括如下步骤：

将所述相对静止区域中的相邻帧之间通过图像匹配以搜索对应区域，将所述对应区域中的图像序列的相邻帧的匹配结果作为第一相对静止区域簇以构建所述相对静止区域的第一时域马尔科夫随机场模型。

9.如权利要求1所述的视频超分辨方法，其特征在于，所述学习第一马尔科夫随机场模型，包括如下步骤：

采用随机矩阵获取初始滤波器集合；

所述训练数据学习所述第一马尔科夫随机场模型，包括学习所述训练数据在所述初始滤波器集合中的各个滤波器的统计量，当所述统计量符合超高斯分布时，将所述统计量作为所述先验约束。

10.如权利要求1所述的视频超分辨方法，其特征在于，根据所述测试数据构建第二马尔科夫随机场模型包括如下步骤：

根据所述测试数据建立第二空域马尔科夫随机场模型和第二时域马尔科夫随机场模型。

11.如权利要求10所述的视频超分辨方法，其特征在于，所述根据测试数据建立第二空域马尔科夫随机场模型包括如下步骤：

利用图像分割算法对所述测试数据中的每帧图像进行过分割以得到多个不规则的邻域，其中，将所述多个不规则的邻域作为多个第二空域簇，根据所述多个第二空域簇构建所述第二空域马尔科夫随机场模型，其中，将所述多个不规则的邻域中的每个超像素作为一个第二空域簇。

12.如权利要求10所述的视频超分辨方法，其特征在于，所述第二时域马尔科夫随机场模型包括运动区域的第二时域马尔科夫随机场模型和相对静止区域的第二时域马尔科夫随机场模型，其中，所述相对静止区域为背景区域。