基于结构自适应的图像超分辨率重建与图像修复

摘要

近年来随着各种数码产品的兴起，带动了高清显示技术、数码相机和互动图像应用的发展，从而使图像处理技术的研究成为当今IT领域中的热点，同时，随着互动高清显示技术相关研究项目的提出、实施，对图像处理提出了更多的实际要求，需要对图像的结构特征进行深入的分析。本文旨在对单幅图像进行处理，对图像超分辨率重建和图像修复展开研究，致力于对图像边缘细节的保护。论文的主要创新点如下:
　　 1.提出了一种基于学习的单幅图像超分辨率重建算法，分析并提出了一种描述图像结构特征的局部几何相似性模型，通过此种模型描述，无需显式检测图像边缘位置、方向等特征信息，从而可以从原始低分辨率图像中获得局部信息，指导进行高分辨率图像的重建，并能对图像进行任意倍放大，此方法在数字医疗中得到应用，应用结果表明本方法对于医学图像的细节特征能有效地重建。
　　 2.提出了一种基于插值的图像放大方法。此方法将局部几何相似性模型进行简化，从而无需进行优化求解，通过梅花插值格式构造边缘增强模型直接计算插值系数。实验表明本方法也能得到优良视觉效果的放大图像，同时又加快了计算速度。
　　 3.将稀疏信号表示优化理论引入局部几何相似性模型，建立局部几何相似性的稀疏表示，即稀疏几何相似性模型，从而能够无需借助其它外部训练图像信息，而只依赖于原始图像本身，融合图像自身的全局与局部结构信息估计重建系数。实验表明，本方法能够改善高分辨率图像中图像边缘、纹理等细节特征的重建效果。
　　 4.提出了一种基于各向异性反向投影的超分辨率重建方法，它从迭代反向投影的角度，通过局部自适应控制反馈残差的反向投影，使边缘信息在迭代过程中得到有效地保护，使全局和局部结构信息达到有效地融合，从而进一步增强放大图像的质量。
　　 5.将局部几何相似性模型应用于图像修复，提出了一种基于局部几何相似性学习的图像修复方法，并通过分组步进行进法针对每一层未知数据，层层填补未知区域，使用图像的局部几何特征信息来恢复，实验结果显示，本方法能够有效填补未知区域信息。
　　 综上所述，本文以图像的结构自适应重建为主线，对单幅图像超分辨率重建和图像修复方法进行了探索，本文的研究成果为交互式数字家庭的实现提供了良好的方案，在高清显示应用和数字电视画质增强等应用方面具有好的应用前景。

目录

文摘

英文文摘

声明

引 言

第1章 综述

1.1 数字图像处理发展情况

1.2 图像超分辨率重建方法综述

1.3 图像修复方法综述

1.4 本文创新点及主要贡献

1.5 本文的章节安排

第2章 基于局部几何相似性的图像超分辨率重建

2.1 基于学习的局部几何相似性模型

2.2 重建算法实现与实验结果

2.3 基于局部几何相似性简化模型的图像插值方法

2.4 本章结论

第3章 稀疏几何相似性驱动的图像超分辨率重建

3.1 结构自适应的超分辨率重建相关研究方法分析

3.2 稀疏几何相似性——局部几何相似性的稀疏表示

3.3 实验结果分析

3.4 本章结论

第4章 结合各向异性迭代反向投影的图像超分辨率重建

4.1 低分辨率图像的成像模型与问题描述

4.2 基于各向异性迭代反向投影的超分辨率重建方法

4.3 实验结果验证与分析

4.4 本章小结

第5章 图像修复的局部几何相似性方法

5.1 应用于图像修复的局部几何相似性模型

5.2 确定填充顺序的分组步进法

5.3 修复实验结果与分析

5.4 本章小结

第6章 总结与展望

6.1 本文研究成果

6.2 将来的工作展望

参考文献

博士期间论文及科研情况

致 谢