高动态范围图像可视化与图像超分辨率重建的初步研究

摘要

随着计算机和多媒体技术的发展,医学影像、视频监控、卫星遥感、文化娱乐、计算机视觉等各种领域对高质量视频提出了广泛的应用需求。高质量的视频能够提供更丰富的信息和更真实的视觉感受,是很多实际应用的基础。 图像亮度动态范围和分辨率成为影响图像/视频质量的两大重要因素。本论文针对高动态范围(High Dynamic Range,HDR)图像可视化和图像超分辨率复原两项关键技术进行了初步研究： 1.论文首先对高质量图像/视频重建的研究意义和课题背景进行了阐述。对现有的HDR图像可视化技术以及超分辨率复原技术的理论基础和研究现状进行了综述。 2.在HDR图像可视化方面,提出了一种新的HDR图像可视化算法。算法首先将HDR图像分解为基本层和细节层。对基本层采用基于整体统计信息的直方图调整算法处理。对细节层进行自适应的保护性增强。算法能够兼顾图像中整体明暗视觉感受的表现和可视细节的保持。 3.针对算法运算复杂度较高的问题,深入研究了双边滤波器的原理及其实现方式。提出了一种基于积分图像的双边滤波器快速算法。从而大幅度提高了HDR可视化算法的速度。 4.在图像超分辨率复原方面,提出了一种采用梯度矢量场约束的图像放大算法。算法采用梯度矢量场描述高分辨率图像中的边缘特征,作为新的先验知识,指导图像的超分辨率重建。实验结果说明了算法的有效性。 5.针对人脸图像,提出了一种基于多类预测学习的超分辨率复原算法。算法通过矢量量化对训练样本进行基于内容的分类,采用多类预测器对每类样本进行先验知识的学习。并采用“预测”的方式以取代一般使用的“搜索与粘贴”策略,较好的避免了样本误匹配问题。 6.在基于多类预测学习算法的基础上,对不同类型的训练样本库进行了深入的比较研究。提出的自样本学习策略与并行设计的多类预测器相结合,大大降低了基于学习算法的运算复杂度。

目录

文摘

英文文摘

声明

第1章绪论

1.1引言

1.2课题的提出

1.2.1图像的亮度动态范围

1.2.2图像采集与空间分辨率

1.2.3高质量图像和视频的重建

1.3论文结构

第2章高动态范围图像处理技术研究进展

2.1引言

2.2高动态范围可视化研究进展

2.2.1全局映射算法

2.2.2局部映射算法

2.3评价方式

2.3.1主观心理实验法

2.3.2局部对比度评价法

2.3.3视觉差别预测法

2.4本章小结

第3章图像超分辨率复原技术研究进展

3.1引言

3.2基于正则化重建的超分辨率复原技术

3.2.1观测模型的建立

3.2.2问题的分析

3.2.3算法步骤

3.2.4典型的正则化重建算法

3.2.5先验知识的定义

3.3基于示例学习的超分辨率复原

3.3.1基于示例学习的算法概述

3.3.2马尔可夫网络模型学习算法

3.3.3基于矢量量化样本分类的算法

3.4本章小结

第4章一种自适应的高动态范围图像可视化算法

4.1引言

4.2自适应高动态范围图像可视化算法

4.2.1基本层与细节层的分解

4.2.2基本层映射曲线和映射图

4.2.3自适应细节层增强

4.2.4最终映射及颜色处理

4.3实验结果与讨论

4.4本章小结

第5章高动态范围图像可视化快速算法

5.1引言

5.2双边滤波器原理

5.3基于积分图像的双边滤波器快速算法

5.4.1积分图像及其性质

5.4.2基于积分图像的快速空间滤波

5.4.3基于积分图像的双边滤波器

5.4实验结果与讨论

5.5本章小结

第6章基于梯度矢量流约束的图像超分辨率复原

6.1引言

6.2各向异性扩散模型与数字图像处理

6.2.1扩散模型的物理背景

6.2.2平均曲率流扩散模型

6.2.3梯度矢量流场约束的扩散模型

6.3梯度流场约束的超分辨率复原算法

6.3.1提出的超分辨率复原算法

6.3.2基于梯度矢量流场的图像边缘先验知识

6.3.2高斯移动平均模型约束

6.3.3梯度流场约束的图像超分辨率复原步骤

6.4实验结果与讨论

6.5本章小结

第7章基于多类预测器学习的超分辨率复原

7.1引言

7.2基于多类预测学习的图像超分辨率复原

7.2.1训练样本的产生

7.2.2基于内容的样本分类

7.2.3多类预测器的设计与训练

7.2.4高分辨率图像的重建

7.3实验结果与讨论

7.3.1训练样本集和测试图像集

7.3.2自样本训练集重建实验

7.3.3特定样本训练集重建实验

7.3.4混合样本训练集重建实验

7.4本章小结

结论与展望

1.论文工作总结

2.论文的创新点

3.工作展望

参考文献

攻读博士学位期间所发表的学术论文

攻读博士学位期间参加的科研项目

攻读博士学位期间参加的重要学术会议

攻读博士学位期间境外科研经历

攻读博士论文期间获得奖励情况

致谢