基于稀疏表示和字典学习的视频图像分级重建技术研究

摘要

视频和图像的超分辨率重建是视频和图像处理的一个重要研究方向，也是近年来的研究热点。图像超分辨率重建是利用单幅或多幅低分辨率图像重建出一幅清晰的高分辨率图像，近年来广泛应用于视频监控，医学图像处理，高清电视等领域。
　　视频图像的超分辨率重建方法中，基于稀疏表示和字典学习的方法可以复原出更多的细节信息，无论是视觉效果还是数值度量上，都可以获得较好的重建效果。但是其对全视频图像区域进行处理时，图像重建时间较长，重建效率低。
　　针对以上的问题，本文提出了视频图像分级重建算法，提高视频图像重建效率。本文所做主要工作和研究成果如下：
　　1）利用分层学习的图像超分辨重建方法对视频图像中感兴趣区域进行重建。分层学习方法对图像进行超分辨重建时得到图像边缘信息和纹理信息较为丰富，将此方法用于视频图像中感兴趣区域的重建，能够获得感兴趣目标较好的重建效果。
　　2）提出了一种基于Snake算法的视频图像感兴趣区域提取方法。利用Snake算法检测运动目标精确闭合轮廓，将包含精确闭合轮廓的最小矩形区域作为感兴趣区域，可使得到的感兴趣区域在包含运动目标的同时区域最小。
　　3）提出了视频图像分级重建方法。对视频图像中包含运动目标的感兴趣区域进行分层学习方法的超分辨率重建，对非感兴趣区域进行插值重建，可改善现有基于字典学习的超分辨率重建方法作用于全图像区域带来的重建时间较长的问题，为视频的实时重建奠定基础。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1论文的研究背景

1.2研究现状

1.3本文研究工作

1.4论文组织结构

第二章 图像超分辨率重建理论

2.1引言

2.2图像超分辨率重建方法

2.3基于稀疏的图像超分辨率重建理论

2.4图像质量评价

2.5本章小结

第三章 基于稀疏表示和字典学习的视频图像分级重建研究

3.1视频图像分级重建整体框架

3.2感兴趣和非感兴趣区域的提取

3.3 K-SVD字典训练

3.4分层学习的图像超分辩率重建

3.5本章小结

第四章 视频图像分级重建性能测试

4.1基于Snake算法的感兴趣区域提取测试

4.2分层学习重建图像测试

4.3视频图像分级重建性能测试

4.4本章小结

第五章 总结和展望

5.1总结

5.2展望

参考文献

致谢

作者简介