基于学的压缩视频超分辨率的特征匹配方法

摘要

本发明公开了一种基于学的压缩视频超分辨率的特征匹配方法，该方法利用匹配特征的准确提取和量化噪声的补偿提高匹配精确性，在输入图像的分块与样本分块进行匹配时，利用受量化噪声影响小的低频系数做为匹配特征，依据视频码流中的量化步长在匹配准则中对量化噪声进行补偿，进而在输入图像存在量化噪声的情况下，获得更准确的匹配性能。

主权项

一种基于学习的压缩视频超分辨率的特征匹配方法，其特征在于：在基于样本学习方法进行压缩视频超分辨率过程中，利用匹配特征的准确提取和量化噪声的补偿提高匹配精确性，其中在输入图像分块与样本分块进行匹配时，利用低频系数作为匹配特征，依据量化步长在匹配准则中进行量化噪声补偿，进而使输入图像存在量化噪声的情况下，获得更准确的匹配；其中基于样本学习方法进行压缩视频超分辨率包括以下步骤：利用高分辨率的图像样本库，通过将输入的低分辨率压缩图像或分块与样本库图像或分块进行搜索匹配，从而推测出低分辨率图像相应的高分辨率图像信息；量化噪声补偿的匹配准则方法包括：量化前系数的值符合某种已知概率分布，则先计算出均方量化噪声，在匹配时，对相应匹配块的低频部分系数做差值，得到的值进行2范数，再减去均方量化噪声，将结果值最小的块作为匹配得到的块。