视频的超分辨率重建技术研究
发布时间：2021-04-23 18:31
近年来,随着经济和社会的发展,社会生产和生活中对高分辨率图像和视频的需求持续增长,然而受成像设备性能、成像环境限制以及经济、时间等因素的影响,在某些情况下人们获得的仍然是低分辨率的图像。将低分辨率图像重建为高分辨率图像的超分辨率重建技术为人们获得高分辨率的图像提供了经济可行的解决方案。在过去几十年中,超分辨率重建技术的研究取得了很大的进展,尤其是近年来提出的压缩感知理论、深度学习理论为超分辨率重建技术注入了新的血液,算法的性能得到了进一步提升。本文围绕视频的超分辨率重建开展研究,重点研究了基于矩阵补全模型的超分辨率重建技术和基于深度学习模型的超分辨率重建技术。本文的主要工作和创新点如下:（1）针对以 MCSR（Matrix Completion Super-Resolution）算法为代表的基于矩阵补全模型的视频超分辨率重建算法无法有效处理视频中的局部复杂运动的问题,本文提出了一种基于矩阵补全模型的鲁棒的视频超分辨率重建算法。在运动补偿阶段,该算法提出了一种多尺度非局部块匹配方法,它利用图像的自相似性,能从较少的相邻帧中提取到足够数量的图像块构造低秩矩阵,既能有效保留边缘信息,又能提高...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号对照表
第一章 绪论
1.1 课题的研究背景和研究意义
1.2 研究现状及挑战
1.3 本文的主要工作和创新点
1.4 各章节安排
第二章 空间域超分辨率重建算法综述
2.1 图像退化模型
2.2 插值法
2.3 基于重构的超分辨率重建框架
2.3.1 基于重构框架的图像序列（视频）超分辨率重建算法
2.3.2 基于重构框架的单幅图像超分辨率重建算法
2.4 基于学习的超分辨率重建框架
2.4.1 基于学习框架的单幅图像超分辨率重建算法
2.4.2 基于学习框架的图像序列（视频）超分辨率重建算法
2.5 图像质量评价方法
第三章 鲁棒的基于矩阵补全模型的视频超分辨率重建
3.1 引言
3.2 基于矩阵补全模型的视频超分辨率重建
3.2.1 低秩矩阵补全
3.2.2 基于矩阵补全模型的视频超分辨率重建算法MCSR
3.2.3 MCSR算法分析
3.3 鲁棒的基于矩阵补全模型的视频超分辨率重建
3.3.1 多尺度非局部相似图像块匹配
3.3.2 通过矩阵补全生成高分辨率图像块
3.4 实验及结果分析
3.5 本章小结
第四章 边缘保持的基于卷积神经网的单幅图像超分辨率重建
4.1 引言
4.2 卷积神经网络和单幅图像超分辨率重建
4.2.1 卷积神经网络
4.2.2 基于卷积神经网的单幅图像超分辨率重建
4.3 边缘保持的基于卷积神经网的单幅图像超分辨率重建
4.3.1 网络架构
4.3.2 训练集构造方法
4.3.3 网络模型的训练策略
4.4 实验及结果分析
4.4.1 网络模型的超参数设定
4.4.2 实验结果及分析
4.5 本章小结
第五章 结构保持的基于三维卷积神经网的快速视频超分辨率重建
5.1 引言
5.2 经典的基于二维卷积神经网的视频超分辨率重建算法
5.2.1 VSRnet
5.2.2 VESPCN
5.2.3 DF
5.2.4 二维卷积和三维卷积的工作机制
5.3 结构保持的基于三维卷积神经网的快速视频超分辨率重建
5.3.1 网络架构
5.3.2 运动补偿子网络
5.3.3 高分辨率重建子网络
5.3.4 损失函数
5.3.5 训练集构造方法
5.3.6 网络模型的训练策略
5.4 实验及结果分析
5.4.1 网络模型的超参数设定
5.4.2 实验结果及分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录A 缩略语表
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]纹理边缘引导的深度图像超分辨率重建[J]. 李宇翔,邓慧萍,向森,吴谨,朱磊. 中国图象图形学报. 2018(10)
[2]结合同场景彩色图像的深度图超分辨率重建[J]. 王宇,朴燕,孙荣春. 光学学报. 2017(08)
[3]改进SA方法的卫星视频图像超分辨率重建[J]. 卜丽静,郑新杰,肖一鸣,张正鹏. 测绘科学技术学报. 2017(01)
[4]矩阵补全模型及其算法研究综述[J]. 陈蕾,陈松灿. 软件学报. 2017(06)
[5]利用双通道卷积神经网络的图像超分辨率算法[J]. 徐冉,张俊格,黄凯奇. 中国图象图形学报. 2016(05)
[6]深度学习研究综述[J]. 尹宝才,王文通,王立春. 北京工业大学学报. 2015(01)
[7]自适应阈值HMRF模型超分辨率重建[J]. 朱虹,刘薇,姚杰,欧阳光振,刘小乾. 中国图象图形学报. 2012(09)
[8]基于核的正交局部保持投影的人脸识别[J]. 金一,阮秋琦. 电子与信息学报. 2009(02)
博士论文
[1]基于梯度正则化约束的图像重建算法研究[D]. 闫青.上海交通大学 2014
本文编号：3155822
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号对照表
第一章 绪论
1.1 课题的研究背景和研究意义
1.2 研究现状及挑战
1.3 本文的主要工作和创新点
1.4 各章节安排
第二章 空间域超分辨率重建算法综述
2.1 图像退化模型
2.2 插值法
2.3 基于重构的超分辨率重建框架
2.3.1 基于重构框架的图像序列（视频）超分辨率重建算法
2.3.2 基于重构框架的单幅图像超分辨率重建算法
2.4 基于学习的超分辨率重建框架
2.4.1 基于学习框架的单幅图像超分辨率重建算法
2.4.2 基于学习框架的图像序列（视频）超分辨率重建算法
2.5 图像质量评价方法
第三章 鲁棒的基于矩阵补全模型的视频超分辨率重建
3.1 引言
3.2 基于矩阵补全模型的视频超分辨率重建
3.2.1 低秩矩阵补全
3.2.2 基于矩阵补全模型的视频超分辨率重建算法MCSR
3.2.3 MCSR算法分析
3.3 鲁棒的基于矩阵补全模型的视频超分辨率重建
3.3.1 多尺度非局部相似图像块匹配
3.3.2 通过矩阵补全生成高分辨率图像块
3.4 实验及结果分析
3.5 本章小结
第四章 边缘保持的基于卷积神经网的单幅图像超分辨率重建
4.1 引言
4.2 卷积神经网络和单幅图像超分辨率重建
4.2.1 卷积神经网络
4.2.2 基于卷积神经网的单幅图像超分辨率重建
4.3 边缘保持的基于卷积神经网的单幅图像超分辨率重建
4.3.1 网络架构
4.3.2 训练集构造方法
4.3.3 网络模型的训练策略
4.4 实验及结果分析
4.4.1 网络模型的超参数设定
4.4.2 实验结果及分析
4.5 本章小结
第五章 结构保持的基于三维卷积神经网的快速视频超分辨率重建
5.1 引言
5.2 经典的基于二维卷积神经网的视频超分辨率重建算法
5.2.1 VSRnet
5.2.2 VESPCN
5.2.3 DF
5.2.4 二维卷积和三维卷积的工作机制
5.3 结构保持的基于三维卷积神经网的快速视频超分辨率重建
5.3.1 网络架构
5.3.2 运动补偿子网络
5.3.3 高分辨率重建子网络
5.3.4 损失函数
5.3.5 训练集构造方法
5.3.6 网络模型的训练策略
5.4 实验及结果分析
5.4.1 网络模型的超参数设定
5.4.2 实验结果及分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录A 缩略语表
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]纹理边缘引导的深度图像超分辨率重建[J]. 李宇翔,邓慧萍,向森,吴谨,朱磊. 中国图象图形学报. 2018(10)
[2]结合同场景彩色图像的深度图超分辨率重建[J]. 王宇,朴燕,孙荣春. 光学学报. 2017(08)
[3]改进SA方法的卫星视频图像超分辨率重建[J]. 卜丽静,郑新杰,肖一鸣,张正鹏. 测绘科学技术学报. 2017(01)
[4]矩阵补全模型及其算法研究综述[J]. 陈蕾,陈松灿. 软件学报. 2017(06)
[5]利用双通道卷积神经网络的图像超分辨率算法[J]. 徐冉,张俊格,黄凯奇. 中国图象图形学报. 2016(05)
[6]深度学习研究综述[J]. 尹宝才,王文通,王立春. 北京工业大学学报. 2015(01)
[7]自适应阈值HMRF模型超分辨率重建[J]. 朱虹,刘薇,姚杰,欧阳光振,刘小乾. 中国图象图形学报. 2012(09)
[8]基于核的正交局部保持投影的人脸识别[J]. 金一,阮秋琦. 电子与信息学报. 2009(02)
博士论文
[1]基于梯度正则化约束的图像重建算法研究[D]. 闫青.上海交通大学 2014
本文编号：3155822
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3155822.html
