分辨率提升方法及可读存储介质与流程

技术特征：
1.一种分辨率提升方法，其特征在于，所述分辨率提升方法包括：待处理图像基于超分辨率网络模型得到第一图像，其中，所述待处理图像为传统拜尔阵列的raw域图像，所述第一图像为quad bayer raw图像，所述第一图像的长和宽分别为所述待处理图像的长和宽的两倍，所述超分辨率网络模型的训练数据基于quad bayer raw图像生成；所述第一图像进行颜色校正得到第二图像；以及，所述第二图像转换得到预设格式的输出图像。2.根据权利要求1所述的分辨率提升方法，其特征在于，所述第一图像进行颜色校正得到第二图像的步骤包括：对所述第一图像中的每一个2*2像素组执行：计算计算k＝l/q；计算adjl
i
＝clip(k*l
i
，l
min
，l
max
)；以及，用adjl
i
替换l
i
；其中，所述2*2像素组中的像素的颜色通道相同，q表示所述2*2像素组的平均亮度，l
i
表示第i个像素的亮度值，k表示修正系数，l表示所述2*2像素组对应的所述待处理图像中的一个像素的亮度值，adjl
i
表示第i个像素的亮度修正值，clip()表示区间取值函数，l
min
表示系统支持的亮度值的最小值，l
max
表示系统支持的亮度值的最大值，i的取值范围为1到4。3.根据权利1所述的分辨率提升方法，其特征在于，所述超分辨率网络模型的模型结构为srcnn、vdsr、drcn、red、srdensenet、srgan、edsr、idn、rdn、rcan和cbdnet中的一者；或者，所述超分辨率网络模型的模型结构为用于图像恢复的网络模型结构中的一者，所述用于图像恢复的网络模型结构包括resnet、unet和densenet；所述超分辨率网络模型的损失函数为l1损失函数或者混合损失函数。4.根据权利要求3所述的分辨率提升方法，其特征在于，所述超分辨率网络模型的模型结构为idn、vdsr或者densenet。5.根据权利要求1～4中任一项所述的分辨率提升方法，其特征在于，所述训练数据的生成步骤包括：quad bayer阵列的图像传感器在至少两个预设工况下拍摄，得到原始图像；任意两个所述预设工况的拍摄角度、拍摄距离、光源特征值以及拍摄位置中的至少一者不同。6.根据权利要求5所述的分辨率提升方法，其特征在于，所述训练数据的生成步骤包括：所述原始图像作为原始训练输出图像；以及，所述原始图像中的2*2像素组的四个像素替换为一个四合一像素得到原始训练输入图像，替换时，所述四合一像素的颜色通道与所述2*2像素组的颜色通道相同，所述四合一像素的亮度值为对应的所述2*2像素组的四个像素的亮度值的平均值。7.根据权利要求6所述的分辨率提升方法，其特征在于，所述训练数据包括第一训练输出图像和第一训练输入图像，所述训练数据的生成步骤包括：切割所述原始训练输出图像得到所述第一训练输出图像；以及，
切割所述原始训练输入图像中相对应的位置，得到所述第一训练输入图像。8.根据权利要求7所述的分辨率提升方法，其特征在于，所述训练数据包括第二训练输出图像和第二训练输入图像，所述训练数据的生成步骤包括：所述第一训练输出图像基于镜像和/或旋转操作，得到所述第二训练输出图像；以及，所述第一训练输入图像基于相同的操作，得到所述第二训练输入图像。9.根据权利要求7所述的分辨率提升方法，其特征在于，所述第一训练输出图像的尺寸为2n
×
2n，所述第一训练输入图像的尺寸为n
×
n，其中，n为大于或者等于13的奇数。10.一种存储介质，其特征在于，所述存储介质上存储有程序，所述程序运行时，执行如权利要求1～9中任一项所述的分辨率提升方法。

技术总结
本发明提供了一种分辨率提升方法及可读存储介质。所述分辨率提升方法包括：待处理图像基于超分辨率网络模型得到第一图像，其中，所述待处理图像为传统拜尔阵列的Raw域图像，所述第一图像为Quad Bayer Raw图像，所述超分辨率网络模型的训练数据基于Quad Bayer Raw图像生成；所述第一图像进行颜色校正得到第二图像；所述第二图像转换得到预设格式的输出图像。如此配置，一方面合理利用了Raw域图像的原始信息，另一方面训练数据的生成方式也比较简单；提升了最终输出图像的清晰度，解决了现有技术中图像超分辨率方法对Raw图所携带的原始信息利用率不高，转换得到的高分辨率图像仍然较为模糊的问题。较为模糊的问题。较为模糊的问题。


技术研发人员：陈杭 杨晓冬 刘关松
受保护的技术使用者：豪威科技（武汉）有限公司
技术研发日：2021.09.29
技术公布日：2022/1/3