[发明专利]基于非局部均值的超分辨率方法和设备

权利要求书

1.一种基于非局部均值的超分辨率方法，其特征在于，包括：

对原始低分辨率图像进行上采样，得到初始高分辨率图像；

对所述初始高分辨率图像进行相似性计算，得到第一欧式距离；

确定控制权重的参数，以及根据所述第一欧式距离得到第二欧式距离；

根据所述控制权重的参数以及所述第二欧式距离，进行权重计算，得到权重；

根据所述权重，对所述原始低分辨率图像进行加权累加，得到高分辨率图像。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一欧式距离得到第二欧式距离，包括：

对所述第一欧式距离进行排序，按照从小到大的顺序选择设定个数的欧式距离，作为第二欧式距离；或者，

对所述第一欧式距离进行平均运算，得到第一欧式距离的平均值，将小于所述平均值的第一欧式距离，作为第二欧式距离。

3.根据权利要求1或2所述的方法，其特征在于，所述确定控制权重的参数，包括：

确定所述第一欧式距离中小于设定阈值的个数，根据个数与控制权重的参数之间的对应关系，得到所述控制权重的参数。

4.根据权利要求3所述的方法，其特征在于，所述个数与控制权重参数之间的对应关系满足：所述个数越大，所述控制权重越小；所述个数越小，所述控制权重越大。

5.根据权利要求1或2所述的方法，其特征在于，所述确定控制权重的参数，包括：

确定所述当前点所在区域的类别，根据类别与控制权重的参数之间的对应关系，得到所述控制权重的参数，根据对应的控制权重参数的值从小到大对所述类别排序如下：平滑区域、细节区域和边缘区域。

6.根据权利要求5所述的方法，其特征在于，所述确定所述当前点所在区域的类别，包括：

根据所述当前点所在的图像的梯度幅度值，确定所述类别，根据对应的梯度幅度值从小到大对所述类别排序如下：平滑区域、细节区域和边缘区域。

7.一种基于非局部均值的超分辨率设备，其特征在于，包括：

上采样模块，用于对原始低分辨率图像进行上采样，得到初始高分辨率图像；

相似性计算模块，用于对所述初始高分辨率图像进行相似性计算，得到第一欧式距离；

参数控制模块，用于确定控制权重的参数，以及根据所述第一欧式距离得到控制权重的参数以及第二欧式距离；

权重计算模块，用于根据所述控制权重的参数以及所述第二欧式距离，进行权重计算，得到权重；

加权累加模块，用于根据所述权重，对所述原始低分辨率图像进行加权累加，得到高分辨率图像。

8.根据权利要求7所述的设备，其特征在于，所述参数控制模块包括：

第一单元，用于对所述第一欧式距离进行排序，按照从小到大的顺序选择设定个数的欧式距离，作为第二欧式距离；或者，

对所述第一欧式距离进行平均运算，得到第一欧式距离的平均值，将小于所述平均值的第一欧式距离，作为第二欧式距离。

9.根据权利要求7或8所述的设备，其特征在于，所述参数控制模块包括：

第二单元，用于确定所述第一欧式距离中小于设定阈值的个数，根据个数与控制权重的参数之间的对应关系，得到所述控制权重的参数，所述个数越大，所述控制权重越小；所述个数越小，所述控制权重越大；或者，

确定所述当前点所在区域的类别，根据类别与控制权重的参数之间的对应关系，得到所述控制权重的参数，根据对应的控制权重参数的值从小到大对所述类别排序如下：平滑区域、细节区域和边缘区域。

10.根据权利要求9所述的设备，其特征在于，所述第二单元具体用于：

根据所述当前点所在的图像的梯度幅度值，确定所述类别，根据对应的梯度幅度值从小到大对所述类别排序如下：平滑区域、细节区域和边缘区域。