專利名稱：適用于視頻的超解析處理方法
技術領域：
本發明屬于視頻處理技術領域，尤其涉及一種影像處理方法，更特定而言為一種基于二維隱藏式馬可夫模型的適用于視頻的超解析處理方法。
背景技術：
隨著各種顯示器技術的發展及推廣，目前各種高解析顯示裝置(顯示器、電視或其它)在一般家庭或專業領域中已是被廣泛應用的設備。從早期的標準解析(Mandard Definition, SD)演變到現在較為普遍的高解析(High Definition, HD)或全高解析(Full HD)標準，其中Full HD顯示器所能提供的解析能力已可達到「1920X1080」，而部分專業顯示器的分辨率更是已超越此標準，可廣泛用于像是娛樂、醫療或其它領域。為了充分利用顯示器具有的高解析能力，使用者也會希望能獲得各種高解析信號來源(Signal Source)，像是高解析的影像(Image)或視頻序列(Videc^equence)等，以達到最佳顯示效果。目前的信號來源極為廣泛，像是來自數字相機、數字攝影機、有線/無線電視機上盒、電視游樂器、CD/DVD播放器、藍光播放器、計算機或其它等，使用者也可利用因特網于遠程撥放或下載各種通過串流傳送的影像或視頻序列等。然而，上述信號來源中， 多半無法提供令人滿意的分辨率，舉例而言，臺灣的有線電視所能提供的畫質大多僅有約 「640X480」。此外，通過因特網傳送的串流影片，為了提升傳輸速度，畫質多半經過壓縮而降低。再者，即使是分辨率較高的影像或視頻序列，也常會出現因對焦不當或其它原因造成的局部模糊的問題。因此，對于各種不同的信號來源，使用者皆有提升其信號源分辨率的需求。
發明內容
本發明實施例的目的在于提供一種適用于視頻的超解析處理方法，旨在解決現有技術提供的信號源無法提供令人滿意的分辨率，不能滿足用戶需求的問題。本發明實施例是這樣實現的，一種適用于視頻的超解析處理方法，所述方法包括以下步驟利用一高解析影像以獲得多個訓練用高解析高頻信息補丁及多個訓練用低解析高頻信息補丁；將所述訓練用高解析高頻信息補丁及所述訓練用低解析高頻信息補丁進行訓練學習以獲得對應關系以建立一訓練數據庫；接收一低解析影像；將所述低解析影像依所述訓練用低解析高頻信息補丁的大小劃分成多個區塊；將所述多個區塊于所述訓練數據庫中尋找一相似的訓練用低解析高頻信息補丁， 并尋找對應于所述相似的訓練用低解析高頻信息補丁的一訓練用高解析高頻信息補丁；利用一處理器控制一超解析模塊以拼圖式方法或斜角式方法將所述高解析高頻信息補丁貼回所述低解析影像的所述多個區塊并以二維隱藏式馬可夫模型計算兼容性；及
產生一超解析影像。本發明實施例的另一目的在于提供一種適用于視頻的超解析處理方法，所述方法包括以下步驟接收一低解析影像；將所述低解析影像劃分成多個區塊；在一預先訓練的數據庫中尋找高解析補丁 ；利用一處理器控制一超解析模塊以拼圖式方法或斜角式方法將所述高解析補丁貼回所述低解析影像的所述多個區塊并以二維隱藏式馬可夫模型計算兼容性；及產生一超解析影像。本發明實施例利用二維隱藏式馬可夫模型以拼圖式或斜角式方法進行回貼補丁，可提升整體執行效率，且所得到的超解析影像的信號噪聲比(Peak Signalto Noise Ratio, PSNR)可以提升影像的質量。
圖1是本發明實施例提供的超解析處理方法流程示意圖；圖2A至2C是本發明實施例提供的訓練學習階段流程示意圖；圖3A及;3B是本發明實施例提供的超解析階段流程示意圖；圖4A及4B是本發明實施例提供的二維隱藏式馬可夫模型補丁貼法示意圖，其中圖4A為拼圖式，而圖4B為斜角式；圖5A及5B是本發明實施例提供的二維隱藏式馬可夫模型補丁貼法權重狀態示意圖，其中圖5A為拼圖式權重狀態，而圖5B為斜角式權重狀態；圖6是本發明實施例提供的超解析處理系統示意圖；及圖7是本發明實施例提供的一示范性計算機硬件示意圖。
具體實施例方式為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。圖1為本發明實施例提供的適用于視頻的超解析(Super Resolution, SR)處理方法流程示意圖。在圖1中，適用于視頻的超解析處理方法1000包含訓練學習階段1100及超解析階段1200。各階段的步驟流程將于下文中詳述。為實施本發明下述所執行的步驟、程序或階段，實施例中提供一超解析處理系統3000如圖6所示。為實施所述超解析處理系統 3000，實施例中提供一種示范性計算機硬件及操作環境示意圖如圖7所示。在圖7中，計算機4000包含一處理單元4002 (可為一處理器，更特定而言可為一可程序處理器)，通過譬如一總線4004耦合于一內存4006、一儲存裝置接口 4008、一系統信息顯示裝置4010、一系統設定接口 4012、一影像輸入接口 4014、一影像輸出接口 4016及一其它接口 /裝置4018等。 其中，儲存裝置接口 4008包含PATA、SATA, e_SATA、USB、MS、CF、SD、MMC等或其它一或多種常用接口，可用以連接一計算機可讀取媒體4020。計算機可讀取媒體4020可包含外接或內建的CD/DVD/藍光光驅、硬盤驅動器、軟盤驅動器、記憶卡等或其它一或多種常用媒體。在一些實施例中，處理單元4002及計算機可讀取媒體4020也可整合于一微處理器中。其中， 計算機可讀取媒體4020及內存4006可載有包含基本輸出入系統4022、操作系統40M、應用程序40 、程序語言及對應的編譯器40 及其它程序4030等，以執行本發明的計算機程序產品。此外，利用影像輸入接口 4014可由有線或無線的影像輸入管道4032從一外部的影像提供端4034獲得高解析影像3004a(見圖6)及低解析影像2000(見圖6)，其影像輸入管道4032可包含網絡線纜線、有線電視纜線、無線基地臺信號或其它等。然而，本領域的具有通常知識者應可理解，通過上述計算機可讀取媒體4020包含的外接或內建的⑶/DVD/ 藍光光驅、硬盤驅動器、軟盤驅動器、記憶卡等或其它一或多種常用媒體也可提供影像輸入的功能。通過超解析處理系統3000執行超解析處理方法1000之后，所產生的超解析影像 3006b可利用影像輸出接口 4016，通過影像輸出管道4036提供給一外接或內建的顯示屏幕 4038。再者，系統信息顯示裝置4010可為另一顯示屏幕，用以顯示目前系統工作狀態的信息。而系統設定接口 4012可包含譬如鼠標、鍵盤、觸控面板或其它等一或多種輸入裝置及對應的接口。此外，也應包含基本輸入輸出單元￠10 。然而，需注意上述說明僅用以舉例說明可實施發明實施例的計算機硬件及操作環境，但并非用以限制本發明的實施方式。為將本發明更貼切適用于不同的使用態樣或環境，也可以不同的方式廣泛加以實施。舉例而言，若實施態樣為一數字機上盒，連接于一電視以接收數字視頻信號，則上述部分組件可能整合為單一微芯片，以縮小體積方便使用，也可能不需要鍵盤鼠標或光驅等，直接將程序燒錄于上述單一微芯片中。此外，上述各組件的數量并不限于一個，可依實際需要加以更改， 部分組件可是需求加以刪除，也可加入其它組件。 圖2A至2C為本發明實施例提供的訓練學習階段流程示意圖，并配合圖6及圖7 的系統軟硬件運作、執行，以利于獲得計算機可讀取的具體、實用的輸出結果。所述的程序、 步驟或階段是以信息技術將計算機可讀取數字數據以計算機程序或指令記錄于計算機可讀取的儲存媒體內，得執行已知或本發明以下所述的功能。在圖2A中，訓練學習階段1100 包含在步驟1102中，舉例而言，利用影像輸入接口 4014接收來自外部的一高解析影像 3004a(也可為視頻序列中的個別信號框)，儲存至訓練數據庫模塊3008、緩存器(圖中未示出)、內存4006或透過儲存裝置接口 4008至計算機可讀取記錄媒體4020內，隨之透過指令的下達，透過處理單元4002呼叫應用程序40 ,例如實施例的超解析處理系統3000的訓練學習模塊3004 ；在步驟1104中，利用訓練學習模塊3004分離出高解析影像3004a的彩度信息作為訓練用高解析影像，同理，經分離的訓練用高解析影像將被儲存于訓練數據庫模塊3008、緩存器、內存4006或透過儲存裝置接口 4008至計算機可讀取記錄媒體4020內，以供后續處理所需；在步驟1106中，利用指令的下達或原始的設定，訓練學習模塊3004根據所述訓練用高解析影像獲得訓練用低解析影像，同理經分離的作為訓練用低解析影像將也被儲存于訓練數據庫模塊3008、緩存器、內存4006或透過儲存裝置接口 4008至計算機可讀取記錄媒體4020內，以供后續處理所需；透過接口的指令輸入或初始的設定，在步驟1108 中，利用處理單元4002擷取所儲存的高解析影像及所述訓練用低解析影像，透過訓練學習模塊3004將所擷取的訓練用高解析影像及所述訓練用低解析影像分別進行高通濾波處理以獲得訓練用高解析高頻信息及訓練用低解析高頻信息；在步驟1110中，利用訓練學習模塊3004將所述訓練用高解析高頻信息及所述訓練用低解析高頻信息分別加以切割以獲得訓練用高解析高頻信息補丁及訓練用低解析高頻信息補丁，隨之將此經處理信息暫存于內存4006或儲存于計算機可讀取記錄媒體4020 ；在步驟1112中，透過相關硬件如處理單元 4002呼叫或執行所述訓練學習模塊將所述訓練用高解析高頻信息補丁及所述訓練用低解析高頻信息補丁進行訓練學習以獲得對應關系；隨之在步驟1114中，將所得的處理信息儲存于訓練數據庫模塊3008中。本領域的具有通常知識者應可理解，在下述說明中，各步驟的運作所需運用的軟件及硬件的對應關系與上述說明相似，為避免贅述，未必會對所有細節加以說明，可參考上述說明以更加理解。在本發明的較佳實施例中，在步驟1104中系將所述高解析影像的色彩空間轉換為明度、藍色差與紅色差(YCbCr)的格式。通過將所述高解析影像的亮度與彩度加以分離， 并忽略亮度而僅對彩度加以處理，可大幅減少高解析影像的數據量及運算的復雜度。在本發明的較佳實施例中，步驟1106更包含如圖2B所示的步驟，包含在步驟 1106a中，利用訓練學習模塊3004進行模糊化處理；在步驟1106b中，利用訓練學習模塊 3004進行向下取樣處理；及在步驟1106c中，利用訓練學習模塊3004進行向上取樣處理。 其中，模糊化處理(1106a)的目的在于使所述訓練用高解析影像失去高頻的影像信息。而進行向下取樣處理(1106b)和進行向上取樣處理(1106c)系可利用雙線性內插法，以使所述訓練用高解析影像在失去高頻的影像信息后，進一步減少像素信息以創造出低解析的畫面，以獲得訓練用低解析影像，并儲存于訓練數據庫模塊3008中。在本發明的較佳實施例中，在步驟1108中，高通濾波處理系可利用傅立葉轉換 (Fourier Transform)以將一影像的空間域轉換為頻率域。接著，可利用一屏蔽以將頻率域中的低頻部分遮蓋掉，僅留下高頻部分。通過此方式，可將所述訓練用高解析影像及所述訓練用低解析影像分別進行高通濾波處理以獲得訓練用高解析高頻信息及訓練用低解析高頻信息。其中，此中所指「高頻」或「低頻」是指空間頻率(Spatial Frequency) 0 一般而言，高頻部分可代表影像中變化較大之處。因此，以高頻部分擷取一影像的特征，可減少低頻部分的影像，并可減少所需處理的數據量。在本發明的較佳實施例中，在步驟1110中，為了加強兼容度的處理，在分割影像成為補丁時，是將訓練用低解析高頻信息補丁切割成稍大于訓練用高解析高頻信息補丁。 舉例而言，訓練用低解析高頻信息補丁可切割為7X7像素的補丁，而訓練用高解析高頻信息補丁可切割為5X5像素的補丁。以利在高解析高頻信息補丁與低解析高頻信息補丁重迭訓練其對應關系時，可利用低解析高頻信息補丁多出來的部分計算其兼容度，以得到較佳的對應關系。其訓練方式將于下詳述。在本發明的較佳實施例中，為了求得所述訓練用高解析高頻信息補丁及所述訓練用低解析高頻信息補丁的對應關系，步驟1112更包含如圖2C所示的步驟，包含在步驟 1112a中，利用訓練學習模塊3004分別計算所述訓練用高解析高頻信息補丁及所述訓練用低解析高頻信息補丁的色彩總和值；在步驟1112b中，利用訓練學習模塊3004記錄所儲存于訓練數據庫模塊3008中的每一所述訓練用解析高頻數據補丁于所述訓練用低解析高頻信息補丁相對應地址；在步驟1112c中，利用訓練學習模塊3004根據所述色彩總和值于訓練數據庫模塊3008中的所有高頻數據庫中進行相似補丁初步比對；在步驟1112d中，利用訓練學習模塊3004進行像素比對；在步驟111 中，利用訓練學習模塊3004根據所述像素比對進行相似補丁進一步比對及分類，再將上述結果儲存于訓練數據庫模塊3008中。其中，由于切割出的補丁(所述訓練用高解析高頻信息補丁及所述訓練用低解析高頻信息補丁 )數量相當龐大，因此，在本發明的較佳實施例中系利用訓練學習模塊3004 對所有補丁個別計算出色彩總和值(1112a)并記錄每一補丁的色彩總和值的相對應地址 (1112b)。接著利用針對個別補丁的色彩總和值進行初步比對(1112c)，若色彩總和值相似， 在對補丁內個別像素進行進一步比對(1112d)，若像素比對相似程度高，則可視為相同類型的補丁，在此中稱為相似補丁，并加以分類(111 )。以此方式，不但可以對于相似度高的補丁進行分類統計，也可節省儲存補丁所需的儲存空間。此外，在計算時，每塊訓練用高解析高頻信息補丁會有一些重迭的部分，在本發明實施例中是可以利用這些重迭的部分計算差異平方值，并將差異平方值最小者定為相似鄰近補丁。當完成訓練后，即可于圖2A中步驟 1114建立一訓練數據庫。在完成訓練數據庫后，便可從訓練學習階段1100前進至超解析階段1200。圖3A 及3B為本發明實施例提供的超解析階段流程示意圖，并配合圖6及圖7的系統軟硬件運作、執行來進行說明。在圖3A中，超解析階段1200包含在步驟1202中，利用超解析處理系統3000的超解析模塊3006接收一來自外部的低解析影像2000，即欲進行超解析處理而得到高解析效果的低解析影像；在步驟1204中，利用超解析模塊3006將低解析影像2000依所述訓練用低解析高頻信息補丁的大小劃分成多個區塊；在步驟1206中，利用超解析模塊 3006在訓練數據庫模塊3008中尋找相似的所述訓練用低解析高頻信息補丁 ；在步驟1208 中，再利用超解析模塊3006在訓練數據庫模塊3008中尋找對應于所述相似的訓練用低解析高頻信息補丁的所述訓練用高解析高頻信息補丁 ；在步驟1210中，利用超解析模塊3006 以拼圖式或斜角式方法將所述高解析高頻信息補丁貼回低解析影像2000的多個區塊并以二維隱藏式馬可夫模型(Two DimensionalHidden Markov Model, 2D-HMM)計算兼容性；及在步驟1212中，利用超解析模塊3006產生超解析影像3006b。在本發明的較佳實施例中，在步驟1210中，利用超解析模塊3006將所述高解析高頻信息補丁貼回低解析影像2000的多個區塊時，是可以利用拼圖式或斜角式的方式進行， 如圖4A及4B所示。其中，拼圖式是從外圈先拼貼完后再往內圈逐圈拼貼；而斜角式是以左上-右下或右上-左下的傾斜角度逐斜線拼貼(其中以左上-右下實作較多，為較佳實施方式，但并不限于此)，其較佳傾斜角度為九十度但并不限于九十度。隱藏馬可夫模型為統計模型的集合，其目的是用來描述狀態轉移特性程序，一般隱藏馬可夫模型的組成包含為有限的狀態個數、狀態的轉移機率矩陣、以及一初始狀態機率分布。由于，馬可夫網絡(Markov Network)為給定一狀態后，則可以此狀態來預測其后續狀態的一種網絡模型，因此，在正常的馬可夫模型中，其后續狀態對于觀察者而言是可以直接看見的；但，在隱藏馬可夫模型中，其后續狀態對于觀察者而言卻不是可以直接看見的， 而是每一個狀態所對應的可能輸出信號都存在著一個機率的分布。因此，在隱藏馬可夫模型中，需針對已知的狀態去尋找可能性最高的狀態轉移及輸出機率。于本發明的一些實施例中，在使用隱藏馬可夫模型于一低解析影像2000時，會對于所述低解析影像2000所劃分成的多個區塊個別給予1 5個狀態補丁，每一狀態補丁依據與對應的區塊的相似度可得出一初始機率，而對于每一區塊的5個狀態補丁彼此的間也會存在一轉換機率，如此，則可以計算出彼此間的兼容性。在圖4A中系顯示二維隱藏馬可夫模型的拼圖式方法。對于低解析影像2000而言， 已在步驟1204中被區分為多個區塊2002 (為簡化圖式，僅標記一區塊)。在步驟1208中，將每一塊貼上的補丁與鄰近的八塊區塊做兼容程度計算，若將欲貼上的補丁位置表示為S(i， j)，則其相鄰區塊可表示為 Nl = {s(i-l，j)、s(i-l，j-l)、s(i，j-l)、s(i+l，j-l)、s(i+l， j)、S(i+l，j+1)、S(i，j+1)、s(i-l，j+1)}等如圖4A中以斜線表示的區塊位置。在圖4B中系顯示二維隱藏馬可夫模型的斜角式方法，其對于每一塊貼上的補丁會與鄰近的三塊區塊做兼容程度計算(比對)，若將欲貼上的補丁位置表示為S(i，j)，則相鄰區塊可表示為N2 ={S(i-1，j)、s(i-l，j+l)、S(i，j+Ι)}，如圖4B中以斜線表示的區塊位置。藉此，其機率關系由下式所表示P{S(i, j)} = i+K, j+L e Nm,Σ P {S (i+K, j+L)}*e(i+KjJ+L),其中，S(i，j)表示正在重建的區塊，而S(i+K，j+L)表示鄰近的幾個區塊，且K及 L表示上下左右周圍的變量參數。m為隱藏馬可夫模型的選擇模式，當m= 1時為拼圖式， 相鄰區塊最多會有八個可作為比較；而當m = 2時為斜角式，相鄰區塊最多會有三個可作為比較，優點為執行速度較快。在較佳實施例中，步驟1210更包含兩階段，如圖:3B所示，包含在步驟1210a中， 利用超解析模塊3006進行二維隱藏式馬可夫正算程序O^orward Pass)；及在步驟1210b 中，利用超解析模塊3006進行二維隱藏式馬可夫逆算程序(Backward I^ass)。其中，每一補丁對于其每一相鄰區塊都有一對應的轉換機率，在步驟1210a中，利用超解析模塊3006將各補丁與以建立好的相鄰區塊計算出權重值，即為每一相鄰區塊所對應的轉換機率，其權重狀態如圖5A及5B所示。圖5A顯示二維隱藏馬可夫模型的拼圖式方法權重狀態示意圖， 而圖5B顯示二維隱藏馬可夫模型的斜角式方法權重狀態示意圖。在步驟1210b中，根據在步驟1210b中計算出的權重值，將轉換機率最高的那一塊訓練用高解析高頻信息補丁貼回低解析影像2000的指定區塊2002中，如此以得到高解析的影像。在本發明的實施例中，由于是利用隱藏式馬可夫模型加以比對，因此相較于逐一比對而言，執行時間較短，效率較佳。此外，并不需要反復計算才能獲得較佳結果。再者，由于每一塊拼貼的補丁會與相鄰三至八塊區塊加以比對，可降低拼貼錯誤率，也可降低因前者選擇不佳而對后者拼貼正確性的影響程度。在此，需說明的是，經過影像重建之后所得出的影像在某種程度下可能會與原始影像有些微的不同，因此，為了衡量重建后的影像質量，會使用信號噪聲比(Peak Signal to Noise Ratio, PSNR)值來確認所得的影像結果是否達到標準。其中，所計算的PSNR值越大就代表失真越少，此為一客觀的評比數據。利用本發明的視頻的超解析處理方法所得出的重建影像進行PSNR值的計算之后，可證實通過超解析處理方法之后所得的影像質量得以提升。在一較佳實施例中，PSNR的定義可為如下所示
權利要求
1.一種適用于視頻的超解析處理方法，其特征在于，所述方法包括以下步驟 利用一高解析影像以獲得多個訓練用高解析高頻信息補丁及多個訓練用低解析高頻信息補丁 ；將所述訓練用高解析高頻信息補丁及所述訓練用低解析高頻信息補丁進行訓練學習以獲得對應關系以建立一訓練數據庫； 接收一低解析影像；將所述低解析影像依所述訓練用低解析高頻信息補丁的大小劃分成多個區塊； 將所述多個區塊于所述訓練數據庫中尋找一相似的訓練用低解析高頻信息補丁，并尋找對應于所述相似的訓練用低解析高頻信息補丁的一訓練用高解析高頻信息補丁；利用一處理器控制一超解析模塊以拼圖式方法或斜角式方法將所述高解析高頻信息補丁貼回所述低解析影像的所述多個區塊并以二維隱藏式馬可夫模型計算兼容性；及產生一超解析影像。
2.如權利要求1所述的適用于視頻的超解析處理方法，其特征在于，所述利用一高解析影像以獲得多個訓練用高解析高頻信息補丁及多個訓練用低解析高頻信息補丁的步驟進一步包括以下步驟分離出所述高解析影像的彩度信息作為訓練用高解析影像； 根據所述訓練用高解析影像獲得訓練用低解析影像；將所述訓練用高解析影像及所述訓練用低解析影像分別進行高通濾波處理以獲得訓練用高解析高頻信息及訓練用低解析高頻信息；及將所述訓練用高解析高頻信息及所述訓練用低解析高頻信息分別加以切割以獲得多個訓練用高解析高頻信息補丁及多個訓練用低解析高頻信息補丁。
3.如權利要求2所述的適用于視頻的超解析處理方法，其特征在于，所述彩度信息的分離是利用將所述高解析影像的色彩空間轉換為YCbCr格式所獲得。
4.如權利要求2所述的適用于視頻的超解析處理方法，其特征在于，所述獲得訓練用低解析影像的步驟包含進行模糊化處理、進行向下取樣處理及進行向上取樣處理。
5.如權利要求1所述的適用于視頻的超解析處理方法，其特征在于，所述獲得對應關系的步驟包含分別計算所述訓練用高解析高頻信息補丁及所述訓練用低解析高頻信息補丁的色彩總和值、記錄每一該訓練用高解析高頻信息補丁與所述訓練用低解析高頻信息補丁的所述色彩總和值的相對應地址、根據所述色彩總值進行相似補丁初步比對、進行像素比對、及根據所述像素比對進行相似補丁進一步比對及分類。
6.如權利要求1所述的適用于視頻的超解析處理方法，其特征在于，所述二維隱藏式馬可夫模型計算的步驟包含進行二維隱藏式馬可夫正算程序及進行二維隱藏式馬可夫逆算程序。
7.如權利要求1所述的適用于視頻的超解析處理方法，其特征在于，所述斜角式方法包含計算周圍三個區塊的兼容性。
8.如權利要求1所述的適用于視頻的超解析處理方法，其特征在于，所述拼圖式方法包含計算周圍八個區塊的兼容性。
9.一種適用于視頻的超解析處理方法，其特征在于，所述方法包括以下步驟 接收一低解析影像；將所述低解析影像劃分成多個區塊； 在一預先訓練的數據庫中尋找高解析補丁；利用一處理器控制一超解析模塊以拼圖式方法或斜角式方法將所述高解析補丁貼回所述低解析影像的所述多個區塊并以二維隱藏式馬可夫模型計算兼容性；及產生一超解析影像。
10.如權利要求9所述的適用于視頻的超解析處理方法，其特征在于，所述二維隱藏式馬可夫模型計算的步驟包含進行二維隱藏式馬可夫正算程序及進行二維隱藏式馬可夫逆算程序。
11.如權利要求9所述的適用于視頻的超解析處理方法，其特征在于，所述斜角式方法包含計算周圍三個區塊的兼容性。
12.如權利要求9所述的適用于視頻的超解析處理方法，其特征在于，所述拼圖式方法包含計算周圍八個區塊的兼容性。
全文摘要
本發明適用于視頻處理技術領域，提供了一種適用于視頻的超解析處理方法，包含接收一低解析影像；將所述低解析影像劃分成多個區塊；在一預先訓練的數據庫中尋找高解析補丁；以拼圖式方法或斜角式方法將所述高解析補丁貼回所述低解析影像的所述多個區塊并以二維隱藏式馬可夫模型計算兼容性；及產生一超解析影像。本發明實施例利用二維隱藏式馬可夫模型以拼圖式或斜角式方法進行回貼補丁，可提升整體執行效率，且所得到的超解析影像的信號噪聲比(Peak Signal to Noise Ratio，PSNR)可以提升影像的質量。
文檔編號H04N7/01GK102202205SQ20101013483
公開日2011年9月28日 申請日期2010年3月24日 優先權日2010年3月24日
發明者全柏翰, 謝禎冏, 高盟超 申請人:中華映管股份有限公司, 深圳華映顯示科技有限公司