基于人类视觉感知的内容自适应图像重建

摘要

由于医疗图像、卫星图像、视频应用领域的需求,因此有必要重建高质量的图像。例如,重建算法可以应用于不同设备间共享与交换图像信息以及改善含噪图像的质量。本论文主要用于包括超分辨与去噪的重建问题。其目标是由降质图像重建高质量的图像。其主要贡献如下:第一,基于自适应反卷积与曲率优化的无伪影图像超分辨重建算法;第二,基于视觉感知与内容自适应滤波的视频去噪算法;第三,基于均值漂移平滑及内容自适应反卷积且具有保持细节信息能力的图像去噪算法。
　　第一,我们提出基于自适应反卷积与曲率优化的无伪影图像超分辨重建算法。这一算法以梯度一致性与各向异性正则化先验为基础。传统的基于重建的算法将一个统一的正则化先验用于重建问题。与之不同,本文提出的算法将两种完全不同的正则化先验用于重建问题。以图像内容分割为基础,将梯度一致性正则化先验用于重建图像的平滑区域,而将各向异性正则化先验用于重建图像复杂区域。梯度一致性正则化先验能够有效去除振铃并且保持图像高频信息;各向异性正则化先验能够根据图像梯度信息自适应保持图像高频信息。这两种正则化先验共同构成了梯度一致性与各向异性正则化先验,它能有效恢复图像高频信息。另外,本文算法采用了一个有效的反馈环,包括反卷积、再卷积、像素替换和曲率优化方法。各向异性正则化先验用于反卷积过程。曲率优化方法能够有效去除由降质过程引起的锯齿。大量实验证明本文算法能够有效由单帧低分辨率图像重建高质量的无伪影的超分辨率图像。其性能优于目前的一些主流算法。
　　第二,我们提出基于视觉感知与内容自适应滤波的视频去噪算法。我们将视觉感知理论应用于视频去噪,以较小的计算代价重建高质量的图像。以视觉感知理论为基础,实施内容自适应去噪并且有效保持图像细节信息并且去除噪声。为了恢复图像细节信息,我们将非局部均值滤波扩展到时间与空间域。以图像内容自适应分割与运动检测为基础,将内容自适应滤波应用于YUV颜色空间以期获得图像质量与计算代价的最优折中。大量实验证明本文算法的性能优于目前的一些主流算法。
　　第三,我们提出基于均值漂移平滑及内容自适应反卷积且具有保持细节信息能力的图像去噪算法。由于均值漂移向量指向密度函数的梯度方向,因此均值漂移滤波对图像的局部结构具有更强的自适应性。但是均值漂移滤波仍然会造成图像模糊。为了去除模糊,我们应用了基于图像获取模型的内容自适应反卷积的方法,这一方法能够自适应恢复图像细节信息。另外,由于噪声严重破坏了原始图像的分布,因此均值漂移滤波需要迭代多次才能收敛,从面极大增加了计算代价,甚至收敛到一个错误的点。为了克服这些局限性,我们在均值漂移滤波前首先进行内容自适应滤波从而大至恢复图像的分布,这样均值漂移滤波能够以相对很小的计算代价收敛到正确的点。内容自适应滤波、均值漂移滤波和内容自适应反卷积相结合,有效去除了噪声并且保持了图像细节。
　　本论文得到国家自然科学基金(No.61271298)的资助。

目录

封面

声明

中文摘要

英文摘要

目录

Chapter1 Introduction

1.1 Background and Significance

1.2 Research Scope

1.3 Main Contributions

1.4 Thesis Organization

Chapter2 Basic Theory

2.1 Image Acquisition Model

2.2 Image Reconstruction algorithm

2.3 Evaluation Metrics

Chapter3 Towards Artifact-free Image Super-resolution with Adaptive De-convolution and Curvature Refinement

3.1 Methods

3.2 Results

3.3 Conclusion

Chapter4 Perceptual Video Denoising with Content Adaptive Filtering

4.1 Methods

4.2 Results

4.3 Conclusion

Chapter5 Detail Preserving Image Denoising with Meanshift Smoothing and Content Adaptive Deconvolution

5.1 Methods

5.2 Results

5.2 Conclusion

Chapter 6 Discussion

6.1 Thesis Summary

6.2 Future Work

参考文献

致谢

Research Achievements