论文部分内容阅读
随着多媒体信息技术的发展，视频和图像被广泛应用于社会生产和生活的各个方面。高质量图像能够提供丰富的信息和真实的视觉感受，是很多多媒体应用的基础。但是，视频和图像在采集、编码、传输等环节可能受到不同因素的影响，我们获得的图像通常是低质量的。低分辨率和图像量化失真问题是影响图像质量的较为重要的两个因素。现有的研究已经分别针对导致图像质量下降的不同因素开展了相关研究。针对压缩图像量化失真问题，提出了图像去块效应技术;针对图像低分辨率问题提出了图像超分辨率重建技术。但是，现有的研究工作通常对各种图像的降质因素进行独立研究，而对多种因素降质图像的联合处理方法则讨论较少。近年来，稀疏表示等相关理论逐渐成熟，在图像压缩、去噪、识别、超分辨率重建等应用中受到关注。为此，本文对稀疏表示理论在解决低质量图像质量增强问题上进行了探索性研究。本文的研究内容主要包括以下几部分: 首先，针对图像去块效应问题，提出了一种基于预分类稀疏表示的图像去块效应方法。该算法通过高质量图像训练获得过完备字典。在重建时，首先对低质量图像进行基于人眼视觉敏感度的分类。然后，针对不同类别的区域，采用不同的重建差错容限进行重建。由于图像信息可以被稀疏字典有效地稀疏表示，而噪声成分则不具有稀疏性。因此，选取适当的重建误差容限，可获得在重建图像中滤除噪声的目的。本算法的创新点在于:根据人眼视觉敏感度，实现了不同图像内容的自适应稀疏重建。同时，我们在基于预分类的图像去块效应框架中，实现了一种基于后处理滤波的去块效应方法，用作实验对比方法。实验结果表明，我们提出的去块效应算法无论是在主观质量上还是在客观PSNR和SSIM值上都比参考算法更有优势。 其次，针对图像超分辨率问题，提出了一种基于稀疏系数匹配的图像超分辨率重建方法。在基于稀疏表示的图像超分辨率重建算法中，核心问题是在高低分辨率空间之间建立联系。我们提出通过一种稀疏系数匹配规则，对样本进行精确的匹配搜索，来获得更优的图像重建稀疏系数，达到提高图像重建质量的目的。该方法区别于现有的基于稀疏表示的方法:一方面不需要联合训练字典，保证了字典对图像进行稀疏重建的能力;另方面，通过建立高低分辨率图像稀疏系数样本对和采取针对稀疏系数的匹配方法，能得到更好的高分辨率图像稀疏编码系数。实验结果显示，我们的方法一定程度上提高图像的超分辨率重建效果。 最后，针对含有压缩失真的低分辨率图像，提出了一种基于稀疏表示的压缩图像超分辨率重建方法。该方法将去压缩失真和超分辨率重建融合为一体，将超分辨率复原过程简化为只需一个字典进行操作的过程。同时，利用搜索匹配的思路，获取图像细节信息的稀疏系数与输入图像稀疏系数进行融合，实现了对同时具有压缩失真和分辨率低问题的图像进行超分辨率重建。同时，实现了一种两步法。即由我们前面提出的去块效应方法和超分辨重建方法分别先后处理压缩失真的低分辨率图像。实验表明:本文提出的方法充分利用了稀疏表示的特性，为处理同时具有压缩失真和分辨率低问题的图像提供了一种统一的框架，是一种具有潜力的方法。