论文部分内容阅读
随着图像技术的发展，人们对图像质量的要求越来越高，如今，普通相机获取静态图像的质量和分辨率已经令人满意，但获取动态视频的质量和分辨率却尚未达到人们的要求。因此，改善视频图像质量，提高它的时间和空间分辨率成为视频图像处理领域中最基本、最重要的研究课题之一，具有重要的理论价值和实际意义。
本文研究了在一种新颖的混合相机的视频获取框架下，低分辨率视频的增强问题。主要创新成果如下：
(1)提出了一种基于学习的视频增强算法，并将它应用到了混合相机视频获取框架中，首先通过分离高分辨率视频的低频信息和高频信息的方法，建立训练样本库，再在样本库中寻找与测试样本近似的低频信息，从而获取与之对应的高频信息，合并达到增强视频的目的。该算法对低分辨率视频的增强柔和自然，对误差不敏感，适用范围广，尤其对动态视频增强效果好。
(2)提出了一种结合基于渲染和基于学习的视频增强算法，在视频的非运动区域采用基于渲染的增强算法，在运动区域采用基于学习的增强算法，在不改变渲染方法整体框架的基础下，引入了学习的方法，结合了两者的优点，得到了更好的增强效果。与基于渲染和基于学习的算法分别处理相比，该算法不但提高了视频的增强效果，而且适应范围广，对动态和静态低分辨率视频均有很好的增强效果。
本文的成果丰富了低分辨率视频增强算法的研究思路，为视频增强问题的解决提供了有益的方法和手段，同时探索了混合相机在视频处理问题中的应用，具有一定的理论意义和应用价值。