基于支持向量回归机的单幅图像超分辨率重构算法的研究

摘要

图像超分辨率重构算法作为数字图像处理算法的一种，因其在现有硬件的基础上可以获得更高分辨率的图像而广泛应用于安防监控、多媒体技术、遥感卫星、医学成像等领域。它是以单幅或多幅低分辨率图像为研究对象，通过技术手段生成一幅高分辨率图像的过程。
　　本文中提出了两种基于支持向量回归机和光栅扫描的单幅超分辨率图像重构算法，且实验结果均比双三次插值等传统方法要好。在最后提出了一种能够实现跨硬件平台的单幅超分辨率图像重构算法框架。本文重点工作内容如下：
　　1)提出了一种在DCT域中利用支持向量回归机学习和光栅扫描法抽取用于回归的单幅超分辨率图像重构方法。学习了多幅高低分辨率图像间的关系来预测得到最终的超分辨率图像，最终在峰值信噪比指标和结构相似度指标上分别比双三次插值算法提高了1.7％~5.5%和0.7%~10%，获得了较好的重构效果。
　　2)提出了一种在空域中利用支持向量回归机学习和光栅扫描法抽取用于学习回归的单幅超分辨率图像重构的方法。仅学习单幅高低分辨率图像间的关系，且极大的优化了学习到的模型，最终在峰值信噪比指标和结构相似度指标上分别比双三次插值算法提高了3.1%~5.3%和1.5%~8.1%，同样获得好的重构效果。
　　3)针对提出的单幅图像超分辨率重构算法，给出OpenCV平台下验证和移植算法的思路，给出的实现框架为以后将重构算法移植到不同硬件平台上提供了借鉴。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1超分辨率图像重构

1.2国内外研究现状

1.3本文主要研究内容

第二章 SR图像重构相关理论

2.1图像降质模型

2.2支持向量回归机（SVR）

2.3 图像DCT变换

2.4 图像LBP特征

2.5 本文SR图像重构模型

2.6 SR图像重构评价体系

第三章 基于DCT域中学习的单幅SR图像重构算法

3.1抽取训练向量

3.2学习过程

3.3预测过程

3.4实验结果

3.5本章小结

第四章 基于空域中学习的单幅SR图像重构算法

4.1抽取训练向量

4.2学习过程

4.3预测过程

4.4实验结果

4.5本章小结

第五章 基于OpenCV的单幅SR图像重构实现

5.1 OpenCV介绍

5.2 Qt软件介绍

5.3学习过程

5.4预测过程

5.5本章小结

第六章 总结与展望

6.1论文主要研究工作总结

6.2展望

参考文献

发表论文和科研情况说明

致谢