基于向量量化的图像超分辨率方法研究

摘要

图像是人类获取外界信息的主要来源，随着计算机技术的飞速发展，人们对图像的质量提出了更高的要求。由于传感器昂贵的成本和其成像单元的物理限制，图像超分辨率技术应运而生。它能在不改变图像探测系统的前提下获得较高分辨率的图像，并具有成本低的优点，因此受到广泛关注，并被应用于天文、医学、军事等重要领域。 本文首先介绍了课题的研究背景，评述了图像超分辨率技术的发展。 然后，提出了一种基于向量量化与分形思想的图像高频信息学习算法，它通过将图像分解为高频信息图像与低频信息图像，利用类似分形的思想和向量量化的方法对高频信息与低频信息的对应关系进行学习，为基于学习的图像超分辨率方法提供了一种思路。 针对插值方法的高频信息失真导致图像细节与轮廓模糊、纹理保持较差的问题，本文提出了一种基于向量量化与插值的超分辨率算法，根据输入图像中的高频信息与低频信息的对应关系，对插值算法产生的高分辨率图像补充高频信息，使输出图像包含更丰富的细节。实验结果显示该算法在客观评价和主观评价上都比传统插值方法有更好的效果。 最后，本文设计并实现了一个基于向量量化的图像超分辨率原型系统。该系统能使用本文方法和传统的插值算法对测试图像进行超分辨率处理。利用该系统对输出的高分辨率图像进行了评价与比较。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2图像超分辨率的研究背景

1.3图像超分辨率技术的应用

1.4图像超分辨率技术的研究现状

1.5图像超分辨率技术分类

1.5.1频域方法

1.5.2空域方法

1.6本文的研究内容

1.7论文的组织结构

第二章基于向量量化与分形思想的高频信息学习算法

2.1分形编码思想

2.1.1分形图像编码理论

2.1.2分形图像编码方法

2.2算法的提出

2.3高频信息学习算法

2.3.1图像分解

2.3.2低频信息与高频信息的分类

2.3.3学习高频信息与低频信息的对应关系

2.4 小 结

第三章基于向量量化与插值的超分辨率算法

3.1传统的插值算法

3.1.1最邻近插值

3.1.2双线性插值

3.1.3双三次插值

3.1.4 B样条插值

3.2超分辨率算法

3.2.1算法描述

3.2.2算法伪码与流程图

3.3高频信息与低频信息的对应关系概率的保持

3.4实验结果

3.4.1超分辨率图像质量的评价方法

3.4.2实验结果与分析

3.5 小 结

第四章基于向量量化的图像超分辨率系统设计

4.1系统需求分析

4.2系统功能设计

4.3系统模块设计

4.4关键技术

4.4.1 BMP文件格式分析

4.4.2 BMP文件的载入与图像显示

4.5实验过程与结果展示

4.6 小 结

第五章 结论

5.1研究工作及成果总结

5.2下一步的研究工作

参考文献

致谢

攻读学位期间主要研究成果