基于稀疏表示和小波变换的单幅人脸图像的超分辨率重建

摘要

在数字图像领域，图像的分辨率是评价图像质量的关键性指标之一，也是实际应用中至关重要的参数。超分辨率重建技术通过软件算法可以有效地提高图像的分辨率，这种技术不改变原有的硬件设备，成本低廉，目前被广泛应用于国家安全、医疗卫生和社会生活等各个领域。随着人脸识别技术的发展和应用，人脸作为人机交互和信息识别的载体受到了大家的广泛关注，越来越多的人对人脸的超分辨率重建技术进行研究。
　　稀疏表示作为一种新的信号的表示方法，近年来已经成为图像处理领域内的研究热点，同时基于该理论的各种图像处理算法也不断地涌现出来。本文在基于稀疏表示的图像超分辨率重建方法的基础上进行改进，并设计提出了基于稀疏表示和小波变换的单幅人脸图像的超分辨率重建方法。第一，采用中值滤波和维纳滤波组合方法对低分辨率图像进行去噪处理，防止图像噪声在重建过程中被放大，降低重建图像的质量；第二，针对稀疏表示重建过程中，图像人工效应多和重建时间长的问题，本文提出的方法做出了重要的改进。利用小波变换将低分辨率人脸图像分解成低频部分和高频部分，利用稀疏表示算法只对高频图像进行重建，减少了重建过程中的计算量，提高超分辨率重建的效率；第三，对重建得到的高分辨率人脸图像采用迭代反向投影法进行误差校正，保证超分辨率重建后的图像和输入的低分辨率图像的一致性，防止重建过程中引入的错误像素扩散。
　　仿真实验结果表明本文算法重建的图像在视觉效果和客观评价上均优于传统的超分辨率重建方法，同时算法的重建速度也有了很大的提升。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 本文主要工作及章节安排

2 图像超分辨率重建理论

2.1 图像的观测模型

2.2 图像的超分辨率重建算法

2.3 图像质量评价标准

2.4 本章小结

3 基于稀疏表示的单幅人脸图像的超分辨率算法

3.1 稀疏表示理论

3.2 字典训练算法

3.3 基于稀疏表示的单幅人脸图像的超分辨率算法

3.4 本章小结

4 基于稀疏表示和小波变换的单幅人脸图像的超分辨率重建

4.1 人脸超分辨率重建算法设计

4.2 人脸图像的预处理

4.3 小波变换

4.4 低分辨率图像的稀疏重建

4.5 高分辨率图像的误差修正

4.6 本章小结

5 仿真实验及结果分析

5.1 人脸数据库的选取

5.2 不同算法重建图像质量对比

5.3 含噪人脸图像的超分辨率重建

5.4 不同算法重建时间对比

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢