论文部分内容阅读
在当前高速发展的信息时代,人类对高质量、高分辨率的数字图像的需求更加迫切。但在实际应用中,由于硬件成像设备的限制以及成像过程中各种因素的影响,所获取的数字图像往往呈献较低的分辨率。通过硬件途径来提高图像质量,不仅技术难度大,而且成本高昂,具有很大的局限性,所以从软件角度来提高图像分辨率意义越来越重大。图像超分辨率重建正是一种利用一帧或者多帧低分辨率观测图像来估计高分辨率图像的技术。本文针对多帧图像和单帧图像的超分辨率重构任务,分别提出了基于重建的和基于学习的超分辨率重建技术,主要工作如下: 提出了一种基于曲面拟合的多帧图像超分辨率重建方法,本方法结合邻域扩展和曲面拟合技术来完成图像超分辨率重建。首先利用SURF特征匹配方法,求解低分辨率图像与参考图像的运动估计参数,然后根据运动估计参数把低分辨率图像序列映射到高分辨率网格上。然后对每个高分辨率网格节点搜索一系列嵌套的邻域,每个邻域中包含有多个低分辨率像素。为了保证拟合曲面的精度,对每一个邻域进行像素强度异常值剔除处理,再利用保留值进行曲面拟合,得到估计的高分辨率网格节点位置的采样值。最后,利用采样值和最大后验概率估计得到网格节点的高分辨率像素值,最终获得重建的高分辨率图像。实验结果表明,利用该方法得到的重建图像无论是在视觉效果还是在数值质量评价结果上都更有优势。 针对单帧图像重建,研究了基于稀疏表示的图像超分辨率重建技术,利用局部加权稀疏约束正则化项和彩色图像UV色度重构的思想,改进了一种基于稀疏字典学习的单帧彩色图像超分辨率重建方法,该方法对待重建低分辨率图像的亮度Y通道和UV色度通道分别进行重构。在图像亮度Y通道重建中,运用基于稀疏表示的图像超分辨率重建框架,首先从高分辨率图像和低分辨率图像数据样本库学习高-低分辨率稀疏学习字典,再根据低分辨率图像Y通道数据和稀疏学习字典来重构高分辨率图像Y通道信息。为使稀疏问题的求解更加准确,在重构过程通过加入局部加权稀疏约束正则化项来近似计算稀疏表示系数中非零元素的个数。由于双边滤波具有较好的去块效应和去噪能力,在对低分辨率图像UV色度通道重建中,本文采用双边滤波插值重构的方法实现了低分辨率图像UV色度通道的超分辨率重建,获得了高分辨率图像。仿真实验结果表明,我们的方法与对比的方法重建图像在视觉效果和数值结果上都具有一定的优势。