[发明专利]一种基于机器学习的超分辨率方法、介质及设备

权利要求书

1.一种基于机器学习的超分辨率方法，其特征在于，所述基于机器学习的超分辨率方法包括：

获取视频图像的内容统计特性；

根据所述视频图像的内容统计特性对所述视频图像进行分类，获得至少一个分组；

根据各视频图像所属的分组，结合视频图像的噪声统计特性，选择相应的机器学习模型进行超分辨率重建，获得对应的高分辨率图像。

2.根据权利要求1所述的基于机器学习的超分辨率方法，其特征在于，根据各视频图像所属的分组，结合视频图像的噪声统计特性，选择相应的机器学习模型进行超分辨率重建，获得对应的高分辨率图像的一种实现方法包括：

对所述视频图像进行噪声估计，获取对应的噪声等级分布图；

将所述视频图像与对应的噪声等级分布图进行通道拼接，获得对应的高维拼接图像；

将所述高维拼接图像作为所述相应的机器学习模型的输入，所述相应的机器学习模型的输出即为所述对应的高分辨率图像。

3.根据权利要求2所述的基于机器学习的超分辨率方法，其特征在于：

各分组相应的机器学习模型经训练得来；所述机器学习模型的训练方法包括：

获取多组数据作为第一训练数据；各组数据包括属于所述分组的带压缩噪声的低分辨率图像对应的高维拼接图像以及对应的无压缩噪声的高分辨率图像；

利用所述第一训练数据对一机器学习模型进行训练，获得所述分组相应的机器学习模型。

4.根据权利要求1所述的基于机器学习的超分辨率方法，其特征在于，根据所述视频图像的内容统计特性对所述视频图像进行分类，获得至少一个分组的一种实现方法包括：

获取所述视频图像的信号特征以及噪声水平；

根据内容统计特性对所述视频图像进行分类，获得至少一类图像；

根据噪声水平对各类图像进行二次分类，获得至少一个子类；

根据信号特征对各子类进行再次分类，获得至少一个分组。

5.根据权利要求4所述的基于机器学习的超分辨率方法，其特征在于，根据各视频图像所属的分组，结合视频图像的噪声统计特性，选择相应的机器学习模型进行超分辨率重建，获得对应的高分辨率图像的一种实现方法包括：

将所述视频图像作为所述相应的机器学习模型的输入，所述相应的机器学习模型的输出即为所述对应的高分辨率图像。

6.根据权利要求5所述的基于机器学习的超分辨率方法，其特征在于：

各分组相应的机器学习模型经训练得来；所述机器学习模型的训练方法包括：

获取多组数据作为第二训练数据；各组数据包括属于所述分组的带压缩噪声的低分辨率图像以及对应的无压缩噪声的高分辨率图像；

利用所述第二训练数据对一机器学习模型进行训练，获得所述分组相应的机器学习模型。

7.根据权利要求1-6任一项所述的基于机器学习的超分辨率方法，其特征在于：所述机器学习模型为神经网络模型。

8.根据权利要求4-6任一项所述的基于机器学习的超分辨率方法，其特征在于：所述机器学习模型为多个滤波器组。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时实现权利要求1-8任一项所述的基于机器学习的超分辨率方法。