基于分块马尔可夫网络模型的人脸图像超分辨率重构算法的研究

论文摘要

人脸研究一直是计算机视觉、模式识别和计算机图形学领域中的热点研究问题之一。现今,通过监视器得到的人脸图像分辨率不高,以至于给人脸识别和跟踪等后续应用带来很大的难度。超分辨率图像重构（SR）技术是一种基于信号处理技术来获得高分辨率图像的方法。SR技术的基本思想是,以若干模糊、有噪、频谱混叠的低分辨率（Low Resolution,LR）图像为输入,通过信号处理技术融合成一幅高分辨率（High Resolution,HR）图像。超分辨率图像重构技术在人脸研究、远程图像遥感、视频监控、医学等领域都有着很好的应用。本文主要研究单幅人脸图像的超分辨率重构技术,目标是提出一种更有效、实时性更好的算法来获取高分辨率图像。首先,本文全面回顾和评述了超分辨率图像重构技术的概念,基本方法和SR算法。并在此基础上重点研究基于学习的图像SR算法。然后,本文采用马尔可夫网络（MN）模型提出了一个新的框架描述重构机制。本文提出的算法采用对图像块搜索操作进行位置限制和检查图像分块间重叠区域水平兼容性的思想,降低了搜索的复杂度,提高了匹配相关性,加快了马尔可夫网络收敛,简化了隐层节点的计算。最后采用样本拼镶技术直接输出超分辨率图像。实验平台由VC++编程实现,实验中所用的人脸图像训练集采用24位灰度图像。实验结果证实本文提出的算法具有输出质量好、效率更高等特点,有一定的的实用价值。本文试图发展性能更好、更智能化的学习算法为以人脸图像为主的应用带来新机遇,并推动超分辨率技术自身的发展。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 超分辨率重构技术的发展
• 1.2.1 图像分辨率
• 1.2.2 超分辨率重构技术
• 1.2.3 超分辨率重构方法
• 1.3 论文的研究目的和研究内容
• 1.4 论文的组织结构
• 第二章 马尔可夫随机场及其在图像超分辨率中的应用
• 2.1 马尔可夫模型
• 2.1.1 随机过程的概念
• 2.1.2 马尔可夫模型的定义
• 2.2 马尔可夫随机场理论
• 2.2.1 基本概念
• 2.2.2 马尔可夫随机场
• 2.3 基于马尔科夫模型的SR算法新框架
• 2.3.1 基于低分辨率图像的观察模型
• 2.3.2 基于高分辨率图像的贝叶斯估计（MAP）
• 2.3.3 SR图像的先验模型
• 2.3.4 MAP-MRF框架
• 2.3.5 基于学习的SR新框架
• 2.4 小结
• 第三章 基于MN模型的人脸图像超分辨率算法设计
• 3.1 表示方法
• 3.2 马尔可夫网络模型
• 3.3 算法
• 3.3.1 为函数φ选择k个最邻近块
• 3.3.2 为函数ψ计算块间兼容性
• 3.4 小结
• 第四章 实验平台设计与算法评价
• 4.1 实验软件的功能设计
• 4.2 实验软件的结构设计
• 4.3 实验软件的界面设计
• 4.3.1 界面结构图设计
• 4.3.2 界面演示
• 4.4 编程工具和环境
• 4.4.1 开发平台
• 4.4.2 软件开发工具
• 4.5 关键技术
• File）图像格式分析'>4.5.1 BMP（Bitmap_File）图像格式分析
• 4.5.2 位图图像的读写
• 4.5.3 客户区绘图
• 4.5.4 多文档界面实现
• 4.6 实验结果与分析
• 4.6.1 训练图像集的构造
• 4.6.2 实验结果
• 4.6.3 时间复杂度分析
• 4.7 小结
• 第五章 结论与展望
• 5.1 论文完成的研究工作及成果
• 5.2 下一步的研究工作
• 参考文献
• 致谢
• 攻读硕士期间的主要科研成果