基于稀疏表示的单幅图像超分辨率研究
发布时间：2022-01-09 15:56
近年来,在单幅图像的超分辨率（Super Resolution,SR）重建算法中,基于稀疏表示的图像超分辨率算法由于其重建图像的视觉效果较好,得到了广大学者和研究人员的关注。但是该方法在图像超分辨率重建过程中也存在一定的问题:其一,这类算法并没有充分利用图像自身的纹理结构信息,使得重建图像存在伪影和块效应现象,并且图像重建的时间久。其二,这类算法只利用外部数据库进行字典学习,忽略了图像自身包含的内部信息,导致重建图像的边缘处视觉效果不佳。本文针对上述两个问题,提出了相应的图像超分辨率重建算法。本文的提出的算法及创新点如下:1.在稀疏表示的超分辨率重建过程中,需要对输入图像至上而下进行重叠块划分。但该过程并没有考虑图像自身的结构特征,直接将图像的平滑部分和边缘部分都划分成大小相同的图像块,使得图像重建时间成本高,并且重建图像的边缘处存在伪影现象。针对该问题,本文在第三章提出一种基于分块自适应的图像超分辨率算法。该算法的主要贡献是改进图像的分块方式,基于图像四叉树的分块思想,根据图像本身的纹理结构信息,采用自适应分块算法对图像进行块划分,将图像的平滑部分划分为大尺度的图像块,图像的边缘部分...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图像插值算法分类基于插值的超分辨率重建算法可以分为以下两类：线性插值算法和非线性插值算法，如
杭州电子科技大学硕士学位论文3图1.1所示。线性插值算法主要包括最邻近插值，双线性插值，双三次插值等算法。非线性插值算法主要包括：基于小波系数和基于边缘信息等算法。A.线性插值算法(1)最邻近插值算法最邻近插值算法也被称作零阶插值算法，该算法通过比较待重建的像素点和周围4个像素点的距离，选择最近距离的像素点作为待重建像素点的值。如图1.2所示。图1.2最邻近插值算法上图中，I(i,j)、I(i+1,j)、I(i,j+1)、I(i+1,j+1)分别表示已知像素点(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)处的灰度值。对于待重建像素点(i+u,j+v)，如果落在A区，则表示待重建像素点和已知像素点(i,j)的距离最近，则待重建像素点(i+u,j+v)处的灰度值如下：I(i+u,j+v)=I(i,j)(1.1)其中u,v[0,1)，I(i+u,j+v)表示待重建像素点(i+u,j+v)处的灰度值。同理，如果待重建像素点(i+u,j+v)落在B区，则用I(i+1,j)代表重建像素点的灰度值I(i+u,j+v)，如果落在C区，则用I(i,j+1)代表重建像素点处的灰度值，如果落在D区，则用I(i+1,j+1)代表重建像素点处的灰度值。最近邻插值算法通过使用距离最近像素点的灰度值，替代待重建像素点的灰度值，重建图像存在严重的块效应，重建图像的细节信息不足。(2)双线性插值算法双线性插值算法又称为一阶插值算法，该算法通过计算待重建像素点和周围4个像素点之间的距离，来确定每个像素点对应灰度值得权重。最后利用周围4个像素点的灰度值来确定待重建像素点的灰度值，其计算公式如下：()()()()()()()()(),11,1,111,1,1IiujvuvIijuvIijuvIijuvIij++=++++++(1.2)双线性插值算法在一定程度上可以改善最邻近插值算法的不足，重建图像在视觉效果上更加平滑。但是这种算法仍然会造成重建图像的重要细节受损，重建图像质量不
列图像中获取的先验知识有限，导致重建的图像和原始高分辨率图像有一定的差距。B.空域法空域法则是利用空域上获得的先验知识对输入的低分辨率图像进行重建，其线性观测模型包含光学运动模糊、全局或局部运动、点扩散函数、非理想采样等。常见的基于空域的超分辨率算法有迭代反投影（IterativeBackProjection，IBP）[22]、凸集投影法（ProjectionOntoConvexSet，POCS）[23]、全变分正则化法（TotalVariationRegularization，TV）[24]、最大后验概率法（Maximumaposterioriprobability，MAP）[25]等。(1)迭代反投影算法图1.3迭代反投影算法的流程迭代反投影法是空域方法中具有代表性的方法之一，Irani等人最先提出了迭代反投影的方法，其迭代的过程如图1.3所示。首先对于输入的低分辨率图像进行双三次插值，得到初始的高分辨率图像，然后对其进行模糊和下采样等操作，得到模拟低分辨率图像。该算法的
【参考文献】：
期刊论文
[1]基于交替方向乘子的全变差图像复原[J]. 赖明倩,蔡光程. 计算机技术与发展. 2017(04)
[2]超分辨重建图像质量评价算法[J]. 于康龙,秦卫城,杨进,许若飞. 计算机工程与应用. 2017(02)
[3]图像质量评价综述[J]. 刘书琴,毋立芳,宫玉,刘兴胜. 中国科技论文在线. 2011(07)
[4]图像超分辨率重建技术与方法综述[J]. 沈焕锋,李平湘,张良培,王毅. 光学技术. 2009(02)
本文编号：3579012
【文章来源】：杭州电子科技大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图像插值算法分类基于插值的超分辨率重建算法可以分为以下两类：线性插值算法和非线性插值算法，如
杭州电子科技大学硕士学位论文3图1.1所示。线性插值算法主要包括最邻近插值，双线性插值，双三次插值等算法。非线性插值算法主要包括：基于小波系数和基于边缘信息等算法。A.线性插值算法(1)最邻近插值算法最邻近插值算法也被称作零阶插值算法，该算法通过比较待重建的像素点和周围4个像素点的距离，选择最近距离的像素点作为待重建像素点的值。如图1.2所示。图1.2最邻近插值算法上图中，I(i,j)、I(i+1,j)、I(i,j+1)、I(i+1,j+1)分别表示已知像素点(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)处的灰度值。对于待重建像素点(i+u,j+v)，如果落在A区，则表示待重建像素点和已知像素点(i,j)的距离最近，则待重建像素点(i+u,j+v)处的灰度值如下：I(i+u,j+v)=I(i,j)(1.1)其中u,v[0,1)，I(i+u,j+v)表示待重建像素点(i+u,j+v)处的灰度值。同理，如果待重建像素点(i+u,j+v)落在B区，则用I(i+1,j)代表重建像素点的灰度值I(i+u,j+v)，如果落在C区，则用I(i,j+1)代表重建像素点处的灰度值，如果落在D区，则用I(i+1,j+1)代表重建像素点处的灰度值。最近邻插值算法通过使用距离最近像素点的灰度值，替代待重建像素点的灰度值，重建图像存在严重的块效应，重建图像的细节信息不足。(2)双线性插值算法双线性插值算法又称为一阶插值算法，该算法通过计算待重建像素点和周围4个像素点之间的距离，来确定每个像素点对应灰度值得权重。最后利用周围4个像素点的灰度值来确定待重建像素点的灰度值，其计算公式如下：()()()()()()()()(),11,1,111,1,1IiujvuvIijuvIijuvIijuvIij++=++++++(1.2)双线性插值算法在一定程度上可以改善最邻近插值算法的不足，重建图像在视觉效果上更加平滑。但是这种算法仍然会造成重建图像的重要细节受损，重建图像质量不
列图像中获取的先验知识有限，导致重建的图像和原始高分辨率图像有一定的差距。B.空域法空域法则是利用空域上获得的先验知识对输入的低分辨率图像进行重建，其线性观测模型包含光学运动模糊、全局或局部运动、点扩散函数、非理想采样等。常见的基于空域的超分辨率算法有迭代反投影（IterativeBackProjection，IBP）[22]、凸集投影法（ProjectionOntoConvexSet，POCS）[23]、全变分正则化法（TotalVariationRegularization，TV）[24]、最大后验概率法（Maximumaposterioriprobability，MAP）[25]等。(1)迭代反投影算法图1.3迭代反投影算法的流程迭代反投影法是空域方法中具有代表性的方法之一，Irani等人最先提出了迭代反投影的方法，其迭代的过程如图1.3所示。首先对于输入的低分辨率图像进行双三次插值，得到初始的高分辨率图像，然后对其进行模糊和下采样等操作，得到模拟低分辨率图像。该算法的
【参考文献】：
期刊论文
[1]基于交替方向乘子的全变差图像复原[J]. 赖明倩,蔡光程. 计算机技术与发展. 2017(04)
[2]超分辨重建图像质量评价算法[J]. 于康龙,秦卫城,杨进,许若飞. 计算机工程与应用. 2017(02)
[3]图像质量评价综述[J]. 刘书琴,毋立芳,宫玉,刘兴胜. 中国科技论文在线. 2011(07)
[4]图像超分辨率重建技术与方法综述[J]. 沈焕锋,李平湘,张良培,王毅. 光学技术. 2009(02)
本文编号：3579012
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3579012.html
最近更新
教材专著
