基于压缩感知的监控视频超分辨率重建

摘要

图像的分辨率较高表示相同尺寸的图像，其含有的像素更加密集，能更清晰地看到图像的细节。因此在日常的生活中和各种图像处理应用中，我们希望能得到分辨率较高的图像。视频超分辨率(Super-Resolution，SR)技术是这些年才发展起来的新技术，它对低分辨率(Low-Resolution，LR)视频序列SR重建得到高分辨率(High-Resolution，HR)视频序列。通过 SR重建技术来提高现有监控设备的分辨率，对于优化现有系统的监控表现有着很大的实际意义。
　　本文主要对基于压缩感知的监控视频SR重建技术进行研究，首先从单幅图像的SR重建问题入手，提出了一种基于压缩感知理论的改进SR重建方法，然后针对视频序列的SR重建，提出了改进方法使得重建速度得以提升，最后设计与实现一个简单的图像SR重建实验系统。主要工作如下：
　　1.针对传统基于外部图像库学习的SR重建算法训练时间长，容易产生错误高频细节的问题，创新性地想到利用降质图像本身来训练稀疏表示字典，充分挖掘图像内部的自相似性。提出了一种改进的基于压缩感知理论和支持向量回归(SVR)的单幅图像SR重建方法。训练阶段首先对输入图像边缘检测并分类图像块，然后对图像块稀疏编码，再利用图像的标签向量和稀疏表示矩阵训练得到SVR模型，并以此模型在测试阶段预测得到最终的HR图像。实验表明，该方法相比基于外部库方法重建的图像细节更加真实，边缘更加锋利，PSNR值更高。
　　2.针对单幅图像SR重建算法运行时间长难以满足视频处理的要求的问题。提出了一种改进的基于运动对象的监控视频SR重建方法，它采用更为快速的feature sign稀疏表示分解算法，并利用前后帧图像块信息训练字典。实验表明，该方法重建一帧的速度比单幅图像SR重建算法更快，较好地权衡了重建质量和速度。
　　3.设计并实现了一个视图SR重建原型系统。在该系统中实现了上述算法。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 SR概述

1.3本文主要研究工作及章节安排

第2章 图像稀疏表示概述

2.1 引言

2.2 信号稀疏表示理论

2.3 基于CS的图像SR重建

2.4 本章小结

第3章 基于CS的单幅图像SR重建

3.1 引言

3.2 SR算法实现

3.3 实验结果及分析

3.4 本章小结

第4章 基于CS的视频图像SR重建

4.1 引言

4.2 运动对象分割及提取

4.3 运动对象和背景分别重建

4.4 本章小结

第5章 实验系统设计与实现

5.1 系统界面及操作说明

5.2 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读学位期间参加的科研项目和成果