骤S100、预先设置一个平滑度判决窗口及平滑度判决门限并存储。
[0060] 进一步地，所述步骤SlOO具体包括：
[0061 ] 步骤SlOl、预先选择一个预定大小的窗口范围作为平滑度判决窗口，应用窗口内 像素值标准差作为平滑度计算标准并存储；
[0062] 步骤S102、预先设置一个平滑度判决门限并存储。
[0063] 具体实施时，本发明中预先设置一个平滑度判决窗口，优选的对每个像素取其5X5 范围内邻域像素作为平滑度判决窗口，对判决窗口内像素值标准差作为平滑度衡量标准。 对于每一个像素的5X5范围内的像素值标准差记为s，将该像素所在的像素值记为I (X，y)， 则窗口内像素值标准差的计算公式为：
[0064]
[0065] 平滑度判决门限可根据用户需要进行设置，优选的本发明将平滑度判断门限设置 为5。低于判决门限的部分，设为平滑区域；高于判决门限的部分，设为锐利区域。
[0066] 步骤S200、利用平滑度判决窗口对低分辨率图像进行平滑性判定。
[0067] 进一步地，所述步骤S200具体包括：
[0068] 步骤S201、对低分辨率图像按预定大小的窗口范围计算窗口内像素值的标准差， 并判断标准差是否低于预先设置的平滑度判决门限；
[0069] 步骤S202、若标准差低于预先设置的平滑度判决门限，则判定是平滑区域；
[0070] 步骤S203、若标准差不低于预先设置的平滑度判决门限，则判定是锐利区域。
[0071] 具体实施时，对于低分辨率图像中的每个像素取其按照预先设置的判决窗口进行 判定。具体地对低分辨率图像中的每个像素取其5X5邻域区间，计算各像素窗口内标准差。 设定平滑度判决门限。标准差大于判决门限的像素点，判决为锐利区域，其平滑度模板取值 为1。对标准差小于判决门限的像素，判决其为平滑区域，平滑度模板中取值为0。
[0072] 得到了低分辨率图像的二值平滑度判决模板之后，对二值模板进行放大，得到超 分辨率图像的平滑度判决模板。因为平滑度判决模板与超分辨率图像的大小一样，是低分 辨率图像放大后得到的。后面需要根据平滑度模板，判断超分辨率图像中各像素位置对应 的匹配模式。
[0073] 平滑度判决模板将超分辨率图像的构造方案分为两部分，取值为1判断为modi， 取值为〇判断为modO。如图2所示，图中取值为1的modi为第一模板，取值为0的modO为 第二模板，第一模板为图2中黑色与白色的交界处，图像灰度值变化较大，第二模板为图像 灰度值变化较小的部分，如图2中黑色的区域。
[0074] 步骤S300、对低分辨率图像进行两次采样后获取低分辨率图像的对应的只包含高 频信息的高频图像。
[0075] 进一步地，所述步骤S300具体包括：
[0076] 步骤S301、对输入的需要处理的低分辨率图像进行下采样处理，得到第一采样图 像；
[0077] 步骤S302、对第一采样图像进行上采样处理，获取第二采样图像；
[0078] 步骤S303、将低分辨率图像减去第二采样图像得到只包含高频信息的高频图像。
[0079] 在获取低频部分图像过程中，首先需要获取更小尺度的低频图像L0。其中，图像下 采样缩小使用的缩小比例2/3。该比例可以按需求选取。如图3所示。当前输入的低分辨 率图像L与低尺度低频图像LO间的坐标关系，能够预测最终获取的高分辨率图像L_out与 本级低分辨率图像L间的坐标关系。对当前低分辨率图像L与LO进行逐点匹配，找到输入 的低分辨率图像L每个像素点在LO中匹配到的点（图3中LO中的实心黑点）和其坐标按 比例映射中心点（图3中LO中的空心点）间的距离r。在超分辨率重建L_out的过程中， L中每个像素点在L_out中对应的区域内每个元素（图3中L_out中白色区域内各像素）， 在与Ll匹配的过程中，窗口大小的选择为r'，r'等于r乘以放大比例。图像上采样放大使 用的放大比例3/2,该比例可以按需求选取，本发明实施例中的上采样放大与下采样缩小比 例保持一致。即原图像先缩小后放大后尺寸要保持不变。
[0080] 具体实施时，如图3,对低分辨率图像进行向下取样，又称down sample，获得更小 尺度的低分辨率图像L0。对L和LO进行逐点匹配。记录L的每个像素点在LO中匹配到的 点（图3中LO中的实心黑点）和其坐标按比例映射中心点（图3中LO中的空心点）间的 距离。获取低分辨率图像的搜索窗口半径模板。按比例放大，得到超分辨率结果的搜索窗 口半径。图像上采样放大使用的放大比例3/2,该比例可以按需求选取，此处的上采样放大 与之前下采样的缩小比例保持一致。
[0081] 对输入的低分辨率图像LO进行下采样，获得下采样图像L0,对LO进行上采样，获 得输入图像的低频部分LI。Ll中包含原图的低频信息部分，高频细节可以通过用原图L减 去Ll得到H1，即图4中Hl。Hl表征了图像的高频细节信息。
[0082] 步骤S400、根据低分辨率图像的平滑性判定结果，分别采用不同的匹配方法，并对 匹配后的图像进行高频增强，生成超分辨率图像。
[0083] 进一步地，所述步骤S400具体包括：
[0084] 步骤S401、对低分辨率图像进行上采样处理，得到第三采样图像；
[0085] 步骤S402、对于低分辨率图像中判定为锐利区域，将第三采样图像与低分辨率图 像进行匹配；
[0086] 步骤S403、对于低分辨率图像中判定为平滑区域，将第三采样图像与第二采样图 像进行匹配；
[0087] 步骤S404、利用高频图像对匹配后的图像进行增强，生成超分辨率图像。
[0088] 具体实施时，对输入的低分辨率图像L直接进行上采样，获得超分辨率图像的低 频部分L2。L2是对超分辨率图像结果的一个初步估计，找到L2中各点在原低分辨率图像 中的对应位置，并将该位置对应的L2中的高频信息填充到L2中去，就可以获得最终的超分 辨率结果。如图3所示。
[0089] 首先，根据平滑度模板，判断L2中各像素位置对应的匹配模式，若该像素处于平 滑区，对应mode2模式，那么应用原图L与其进行匹配，若该像素处于锐利区，对应model模 式，那么应用原图的低频部分Ll与其进行匹配。然后根据预测的搜索窗口半径，获得最终 的匹配位置，从而选取Hl中匹配位置的高频信息对L2进行增强，最终获得完整的超分辨率 放大结果。
[0090] 根据平滑度模板和预估的匹配窗口尺度，对放大后的低频图像Ll根据不同的平 滑度，选择不同的匹配对象和匹配方案进行匹配，检索到最佳匹配后，将相应的高频部分叠 加到LI上，从而获取到无边缘震荡和噪点的超分辨率图像结果。
[0091] 如图4所示，最终的超分辨率图像L_out是通过向放大的低频图像L2中添加原图 匹配位置的高频信息Hl得到的，所以，找到正确的匹配位置至关重要。如果选取的高频信 息过于发散，最终获取的图像结果会平滑，但是边缘易产生震荡和模糊；如果选取高频位置 过于集中，图像将出现生硬的过度，不够平滑。
[0092] 由于低分辨率图像L与其低频部分Ll相比，具有细节清晰，特征点明显等特点，在 匹配的过程中，其可以提供更加精准的定位，使高频部分的选择更加集中在纹理部分。所 以，对于平滑模板中锐利的部分，即纹理较多的部分，本方法选取低分辨率原图L进行匹 配。
[0093] 而由于低分辨率图像的低频部分Ll本身并不包含高频信息，处于较为平滑的水 平，相邻像素间有一定的平滑过渡现象，与Ll进行匹配，比较容易获得发散的高频信息，得 到的图像整体处于较为平滑的水平。所以，对于平滑模板中平滑部分的像素，选取低频图像 Ll进行匹配，能够引入较少的噪声，消除生硬的过渡现象，获得平滑的图像结果。
[0094] 匹配准则选取SAD绝对误差准则：
[0095]
[0096] 由以上方法实施例可知，本发明提供了一种基于分类自学习的超分辨率图像获 取方法，通过对低分辨率图像首先进行了平滑部分和锐利部分的判定，通过对图像采样获 取图像中的高频信息图像，并对低分辨率图像根据平滑性判定的结果分别采用不同匹配方 法，并利用图像中的高频信息对匹配后的图像进行图像增强。本发明在提高图像分辨率的 同时，减少了图像噪声和边缘震荡，提高了低分辨率图像的清晰度，获得边缘平滑的超分辨 率图像。
[0097] 在上述方法实施例的基础上，本发明还提供了一种基于分类自学习的超分辨率图 像获取系统的较佳实施例的功能原理框图，如图5所示，所述系统包括：
[0098] 预先设置与存储模块100,用于预先设置一个平滑度判决窗口及平滑度判决门限 并存储；具体如上所述。
[0099] 平滑