基于邻域嵌入的图像超分辨率重建算法研究

摘要

图像超分辨率重建是指利用一幅或多幅低分辨率图像来获取对应高分辨率图像的一个过程，作为一种后处理技术，其通过恢复图像在采集过程中所丢失的细节信息，来达到提升图像质量的目的。相比于通过成像设备硬件条件的改善来提升图像质量的方式，图像超分辨率重建技术具有更广的应用范围。
　　目前，图像超分辨率重建算法主要分为三类:基于插值、基于重构和基于学习的方法。相比于前两类图像重建算法，基于学习的超分辨率算法在图像重建效果上具有更好的表现，且能有效的解决当图像上采样因子较大时重建图像质量下滑的问题，因此其已成为当前图像超分辨率研究领域的热点方向。论文主要围绕基于学习的图像超分辨率重建方法展开研究，重点分析了基于流形学习的邻域嵌入图像重建算法以及图像结构多尺度自相似性在超分辨率重建的应用，并根据现有图像超分辨率重建算法中存在的问题进行优化改进或扩展，从而实现图像超分辨重建效果上的增强。
　　本文的主要研究内容为：(1)首先，在基于邻域嵌入的图像超分辨率重建算法中，针对图像块的特征表示以及近邻块的权值计算问题进行分析和研究;(2)其次，在图像多尺度相似研究的基础上，提出了一种面向单幅图像的重建算法，通过对低分辨率输入图像进行处理以提供训练集合中的图像对，且为了提升图像重建过程中的效率问题，在进行图像近邻块的查找时，通过结合原地块匹配的思想来缩小图像块的查找范围，实验结果表明了上述方法在图像超分辨率应用中的有效性和合理性。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究意义

1．2 图像超分辨率技术应用领域

1．3 图像超分辨率研究的发展与现状

1．4 本文的研究内容及组织结构

第二章 图像超分辨率重建技术介绍

2．1 图像成像系统的观测模型

2．2 基于重构的方法

2．2．1 频域方法

2．2．2 空域方法

2．3 基于学习的方法

2．3．1 基于马尔科夫网络的方法

2．3．2 基于邻域嵌入的方法

2．3．3 基于稀疏表示的方法

2．3．4 基于回归的方法

2．4 图像超分辨率重建算法评价标准

2．4．1 峰值信噪比

2．4．2 结构相似度

2．5 本章小结

第三章 基于流形学习的图像超分辨率重建

3．1 流形学习

3．1．1 等距离映射算法

3．1．2 局部线性嵌入算法

3．2 基于邻域嵌入的图像超分辨率算法

3．2．1 图像块的特征提取

3．2．2 近邻块的权值计算

3．3 实验与分析

3．3．1 图像块特征选取对图像重建效果上的影响

3．3．2 近邻块的权值计算对图像重建效果的影响

3．4 本章小结

第四章 基于单幅图像的超分辨率重建

4．1 相关工作介绍

4．1．1 图像的多尺度自相似性

4．1．2 基于原地匹配的自相似性

4．1．3 非局部均值

4．2 单幅图像下的重建算法

4．2．1 图像学习样本数据的构造

4．2．2 基于原地匹配的图像细节拟合

4．2．3 迭代约束下的逐级放大

4．3 实验结果与分析

4．3．1 实验参数的设置

4．3．2 实验结果

4．3．3 影响图像重建效果的因素分析

4．4 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况