图像超分辨率若干技术及应用

论文摘要

随着多媒体设备的普及,人们对图像质量的要求越来越高,图像超分辨率技术越来越成为图像处理中不可缺少的关键技术之一。高分辨率的图像能够提供尽可能多的图像细节信息,使得图像更清晰。提高图像分辨率可以从几个角度出发,首先是采用高分辨率图像传感器和提高图像采集的质量,其次是通过图像处理算法在采集到的图像信号上增加信息量。但由于提高图像采集的质量对图像采集设备要求较高,会带来极大的成本,且在图像信息的传输过程中,图像质量的保持需要较大的带宽,因此从图像采集环节提高图像分辨率成本极高。通过超分辨率技术可以以较小的成本尽可能地弥补在图像信息采集不佳和传输过程带来的图像降质,因此该技术具有十分重要的应用价值。由于图像在传输过程中可能会受到噪声干扰,从而影响图像的清晰度,而由于噪声可能对图像的结构特征有一定的影响,从而可能会影响超分辨率处理结果,因而图像的超分辨率不仅要考虑增加图像像素点的个数,还应该尽可能地减少噪声对图像质量的影响。而传统的超分辨率技术大多不考虑带噪图像的处理,因此,本文重点研究了带噪图像的超分辨率算法,基于稀疏混合估计框架,利用自适应阈值去噪方法将超分辨率技术拓展到带噪图像的超分辨率的处理。对于飞速发展的多媒体技术,一种快速稳定的图像放大方法具有很高的应用价值。作为图像超分辨率中的重要技术,图像插值已经被广泛应用,然而传统图像插值方法对图像的边缘细节处理不佳,造成了图像视觉质量的下降。近年国内外研究成果虽然能够得到令人满意的效果,但大多数需要较高运算量,很难应用到实际中。本文提出了一种基于误差估计的快速图像方向插值方法,以很高的处理效率得到了较好的图像放大结果。该方法将每个插值像素点看成是两个方向插值结果的加权平均,并通过计算每个插值方向的误差来估计加权系数。通过实验结果的对比可以验证该算法不但运算速度快,且具有稳定的图像插值结果。最后,本文将该快速稳定的插值方法进行了软件的实现,将其应用到智能手机的照片放大功能中。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究内容及创新点
• 1.3 论文章节安排
• 第2章 超分辨率算法概述
• 2.1 图像获取的数学模型
• 2.2 超分辨率技术的理论基础
• 2.2.1 先验信息
• 2.2.2 正则化方法
• 2.2.3 基于样本的学习
• 2.3 超分辨率算法概述
• 2.3.1 频域算法
• 2.3.2 空域算法
• 2.3.3 基于感兴趣区域方法
• 2.3.4 基于学习的算法
• 2.4 超分辨率算法的性能评估
• 2.5 本章小结
• 第3章 基于稀疏混合估计的带噪图像超分辨率
• 3.1 算法框架
• 3.2 基于稀疏混合估计的超分辨率算法
• 3.2.1 稀疏混合估计
• 3.2.2 双正交小波变换
• 3.2.3 稀疏反问题
• 3.2.4 基于稀疏混合小波块的插值
• 3.2.5 自适应方向插值
• 3.3 局部自适应阈值去噪
• 3.3.1 局部自适应阈值调整
• 3.4 实验结果
• 3.5 本章小结
• 第4章 基于方向先验的快速插值算法
• 4.1 图像插值研究成果
• 4.1.1 新型方向插值算法（NEDI, New Edge-Directed Interpolation）
• 4.1.2 基于软判决的自适应插值方法（SAI, Soft-decision Adaptive Interpolation）
• 4.1.3 迭代曲率插值方法（ICBI, Iterative Curvature based Interpolation）
• 4.2 算法框架
• 4.3 基于误差估计的方向插值算法
• 4.4 实验结果
• 4.4.1 处理时间
• 4.4.2 客观评价和视觉效果
• 4.4.3 算法处理稳定性
• 4.5 软件实现
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 本文工作总结
• 5.2 后续工作展望
• 参考文献
• 英文缩略语对照表
• 攻读硕士学位期间已发表或录用的论文
• 攻读硕士学位期间参与的科研项目
• 致谢