降质图像的变分贝叶斯超分辨算法研究

摘要

图像是机器视觉系统的重要视觉信息。然而，图像采集和成像系统不可避免的存在模糊、运动变形和噪声等降质和退化过程，不但影响了人们对图像的视觉感受，而且大大降低了图像中有效信息的利用。例如，对降质图像进行分割处理，分割的精度会严重下降，因而影响目标的检测、识别与理解。因此降质图像的预处理是图像处理中的一个重要科学问题。本文以降质图像的贝叶斯超分辨预处理为研究对象，展开相关算法研究。
　　本文在综述了图像超分辨的国内外现状的基础上，介绍了贝叶斯推断及其变分贝叶斯原理，并且基于贝叶斯推理理论，设计和实现了一种基于水平和垂直梯度的L1稀疏性先验的变分贝叶斯超分辨方法。通过图像退化过程建模，图像先验建模和超参数先验建模，建立了多幅图像变分贝叶斯超分辨模型，最后实现了非盲和盲两种方式的图像超分辨率重建算法。并且基于YUV颜色空间进行推广，实现了彩色图像的贝叶斯超分辨率重建。实验结果表明:贝叶斯超分辨方法能得到很好的估计多幅图像的配准参数，达到较好的多幅图像的盲超分辨。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 图像超分辨技术研究现状与综述

1．3 本文的主要工作及章节安排

2 变分贝叶斯原理

2．1 引言

2．2 变分贝叶斯方法

3 基于变分贝叶斯的图像超分辨率重建算法

3．1 引言

3．2 贝叶斯建模

3．2．1 图像退化过程与观测模型

3．2．2 基于水平和垂直方向梯度L1稀疏性的图像先验模型

3．3 变分贝叶斯推断

3．4 面向彩色图像超分辨的推广与改进

3．4．1 RGB颜色空间超分辨

3．4．2 利用YUV颜色空间改进超分辨

4．实验结果与分析

4．1 灰度图像的非盲超分辨算法及改进

4．2 灰度图像的盲超分辨算法及改进

4．3 彩色图像超分辨扩展与改进

5．总结和展望

致谢

参考文献