基于视频帧图像的超分辨率重建应用算法研究

摘要

图像是人们身边随处可见的信息载体，在实际生活的各个不同领域当中，通常需要使用各种摄像监控设备对选定好的目标物体或场景进行信息的跟踪、采集与视频拍摄，并在高分辨率影像设备上清晰播放，而分辨率是关乎视频图像标定精度和清晰度的一个重要影响条件。但由于摄像机等采集仪器本身的硬件限制以及在图像采集过程中各种条件的影响，视频图像原本的质量会降低。图像超分辨率重建是将各类降质图像通过一系列的科学技术手段进行处理，来提高图像的全方位质量水平和人们对于图像的视觉感受与主观体验，最终还原出人们所需要的带有更多更细致信息的高分辨率图像。因此，超分辨率重建技术开始受到人们重视并日渐应用到社会与生活的各个方面，也成为了研究者们科研的重点方向。 目前，视频的数学模型大多采用图像序列。本文主要把研究重点置于生活等领域中常见的视频序列中的单帧图像上，首先大体阐述了超分辨率重建目前的研究现状、背景、基本原理和三大类主要的研究方法，接下来，本文将视频单帧图像超分辨率重建算法中的邻域嵌入算法作为科研重点，主要进行了两方面的研究： 1、在传统的邻域嵌入算法的研究与分析基础上进行一定的改进优化，对流形学习和邻域嵌入算法进行简要阐述和问题提出，给出了一种单帧域上多尺度迭代的超分辨率重建算法，通过利用小尺度比例下不同分辨率图像块之间的局部几何相似性来进行图像重建。图像样本块是从输入的初始图像自身和它对应的低分辨率图像上来获取，并采用了图像归一化亮度的DCT 系数作为新的提取特征，通过逐级放大的过程来进行图像重建。该算法在图像自身所带有的自然纹理特征和边缘区域的细节方面重建出来的效果较真实，得到的边缘结构形状和纹理区域更加自然清晰。 2、提出了一种在传统学习方法上进行改进提升的基于优化样本块的单帧域超分辨率重建方法。该算法将训练样本集的图像块进行优化处理，收集插值之后的图像块和对应的高分辨率差值图像块，将它们分别作为不同分辨率训练集中的样本图像块，并采用图像块的DCT系数作为新的提取特征来代替传统算法中的亮度的一二阶梯度特征。最后提出了一个优化的全局约束，来对重建的高分辨率图像从整体角度上进行一定程度的修正，使其所具有的全局统计特性得到更好更完善的表达。该算法可以更充分细致地表达图像的局部结构信息，获得更多的高频细节信息，进一步提升重建图像的质量。

目录

第一个书签之前