基于学习的非线性人脸图像超分辨率算法研究

摘要

图像超分辨率技术是一种基于信号处理方法获得较高分辨率图像的技术。 它以若干模糊、有噪、频谱混叠的低分辨率图像为输入，通过信号处理技术融合出一幅高分辨率图像，因而在视频、成像、遥感、医学、监控和军事等领域都有重要应用。 近年来，基于学习的图像超分辨率技术更是热门话题。 本文研究基于学习的图像超分辨率的特性，结合人脸这一特殊类型的图像，提出了一种块语义马尔可夫网络下非线性人脸图像超分辨率算法。论文的具体内容包括： 首先，全面回顾和评述了超分辨率图像重构技术的概念和基本方法，接着重点介绍了基于学习的一般图像超分辨率技术。 然后，本文着重研究了基于学习的单幅人脸图像超分辨率算法，采用马尔可夫网络模型描述重构机制，通过研究人脸这一特殊类别的图像，结合其语义特征，考虑到人脸图像的差异，在采用基于对齐的图像块坐标限位操作的基础上，提出了一种非线性搜索算法，降低了搜索的复杂度，提高了匹配相关性，加快了马尔可夫网络收敛。 算法利用搜索到的高分辨率图像分块样本进行了块间的视觉兼容性处理，最后直接输出相关分块样本为复原的人脸图像。 实验结果证实本文提出的算法具有输出质量好、效率高等特点，有一定的实用价值。

目录

文摘

英文文摘

声明

第一章 绪论

1.1研究背景

1.2图像超分辨率的发展过程

1.3图像超分辨率方法分类

1.3.1基于重建的图像超分辨率方法

1.3.2基于学习的图像超分辨率方法

1.4论文的研究工作

1.5论文的组织结构

第二章 基于学习的图像超分辨率技术

2.1图像超分辨率问题的概率描述

2.2基于学习的几种超分辨率方法

2.2.1图像金字塔模型

2.2.2马尔可夫模型

2.2.3神经网络模型

2.2.4流形学习方法

2.2.5其它方法

2.3小结

第三章 基于马尔可夫模型的人脸图像超分辨率算法

3.1应用于超分辨率过程的马尔可夫随机场理论

3.1.1随机过程的概念

3.1.2马尔可夫过程的定义

3.1.3马尔可夫随机场理论

3.2用图像描述的马尔可夫模型

3.3基于马尔可夫模型的超分辨率算法框架

3.3.1马尔可夫模型学习算法框架

3.3.2基于MN模型的人脸超分辨率算法设计

3.4小结

第四章非线性局部搜索技术

4.1局部匹配

4.2非线性搜索算法

4.3实验结果及算法分析

4.3.1实验结果及分析

4.3.2算法复杂度分析

4.4小结

第五章 实验原型系统的设计与实现

5.1系统需求分析设计

5.1.1系统总体需求概述

5.1.2系统的功能模块

5.2系统的功能设计

5.3系统实现关键技术

5.4实验过程及结果分析

5.4.1实验过程

5.4.2结果及分析

5.5小结

第六章 结论与展望

6.1研究工作总结与主要创新点

6.2下一步的研究工作

参考文献

致谢

攻读硕士期间的主要科研成果