论文部分内容阅读
图像超分辨率重建的目的是在不增加成像传感器数目的前提下，突破物理系统结构制约，以较低代价最大限度的增强成像系统分辨率和成像质量，有效的利用成像系统的观测数据和先验知识是提高图像超分辨率重建性能的关键。压缩感知理论表明，一个稀疏的信号可由其少量的或不精准的观测几乎精确重建，近年来出现的基于压缩感知的超分辨重建方法在基于范例学习的超分辨率基础上，利用图像信号的稀疏先验特性从训练样本中获取了更多的知识，从而较大幅度地提升了图像超分辨率重建质量。该类方法得到国内外学者的广泛关注，相关的研究处在探索和发展阶段，还存在大量的理论与应用问题需要深入研究。为此，本论文以压缩感知理论为指导，研究图像视频信号高效的稀疏表示方法，充分挖掘观测数据中隐含的图像信息，有效利用图像的先验知识，探索高效的图像超分辨率方法，研究工作主要集中在如下几个方面： 1.基于多空间稀疏表示的图像超分辨率重建。 针对传统的采用单一的稀疏表示空间无法有效地表达图像复杂结构和丰富纹理特性的问题，提出了结构与纹理多空间稀疏表示的超分辨率重建方法。在压缩感知框架下，以下采样为观测，建立了与观测具有较强的非一致性的结构与纹理冗余基，提出了相应的超分辨重建算法。本文所提出的超分辨率重建方法从多空间冗余基对图像表示能力上的差异性和互补性中，获取了更多的训练样本中的先验知识，同时，利用非一致特性能够更多地挖掘低分辨率图像隐含的信息，因此，该类方法的超分辨率与传统的基于单空间的超分辨技术相比，大幅度提高了冗余基的学习效率和图像的重建质量。 2.基于自相似学习的图像超分辨率重建 在无法获得外部图像库支持的情况下，图像中存在自相似冗余信息为多空间冗余基的构建提供了一个有效途径。多空间冗余基的结构既可预置也可自适应于图像本身的特性，本文针对上述两种情况，提出了两类超分辨率重建方法。前者采用全变分技术对低分辨率图像进行分解，在预置冗余基结构条件下，分别采用结构的冗余基和纹理的冗余基对二者进行超分辨率重建，其中，针对结构分量的平坦区域和边缘区域分别采用插值和冗余基方法恢复高频信息。后者利用图像的自相似冗余信息生成一个传统的冗余基，利用基元的频域特性对结构基基元和纹理基元进行划分生成与图像特性相应的结构和纹理冗余基，基于结构和纹理冗余基，实现了图像的超分辨率重建。两种方法与传统的基于单一空间的超分辨率重建的质量相比都取得了很好的提升效果。 3.基于低秩表示的压缩视频超分辨率重建 基于压缩视频的超分辨率的性能主要取决于帧间的运动补偿性能，本文在多空间稀疏表示的基础上，提出了基于低秩表示的压缩视频的超分辨重建方法。该方法利用了多空间稀疏表示来刻画图像的相关性，较好地恢复了图像的高频细节，将时间域中相关性较强的区域进行有效组织形成一个低秩矩阵，利用低秩矩阵的高精度重建性能有效地去除帧间校准和运动估计带来的噪声。将该超分辨率技术融入传统混合编码框架，有效的提高了混合编码框架下的视频编码效率和视频重建质量。 本文从应用角度出发，针对不同条件、不同要求、不同背景的输入图像进行比较和分析，建立了实用有效且各具特色的超分辨率重建模型，为超分辨重建的推广与应用开辟了新的有效途径。