在計算機視覺領(lǐng)域,要實現(xiàn)高效的目標(biāo)識別、目標(biāo)跟蹤、圖像分割、圖像融合等功能,圖像超分辨率復(fù)原重建是至關(guān)重要的一個關(guān)鍵步驟o MAP(maximum a posterior)算法由于具有易于引入先驗?zāi)Ｐ�、去噪能力強及較好恢復(fù)退化圖像的細(xì)節(jié)信息等優(yōu)點,因而得到了較為廣泛的關(guān)注。對于處理復(fù)雜視頻圖像的超分辨率復(fù)原重建,以及后續(xù)的目標(biāo)識別、目標(biāo)跟蹤、圖像分割等都具有重要意義。但也存在復(fù)原后的圖像較為平滑、失去邊緣特征、惡劣條件下不能取得滿意效果等問題。針對以上問題,本論文提出了改進(jìn)MAP圖像超分辨率算法,對圖像超分辨率重建過程中圖像匹配以及圖像插值部分進(jìn)行了改進(jìn)。具體工作如下：(1)本論文主要研究了基于MAP框架的圖像超分辨率復(fù)原重建算法。在運動配準(zhǔn)環(huán)節(jié),采用ORB(Oriented FAST and Rotated BRIEF)匹配算法對其進(jìn)行圖像的特征匹配。針對霧天或光線較暗的情況下,特征匹配不準(zhǔn)確的問題,本論文提出用MSR(Multiple-Scale Retinex)算法對圖像進(jìn)行“去霧”的圖像增強處理。為解決圖像增強過程中顏色失真的問題,引入了模糊理論,按照不同隸屬度對圖像不同區(qū)域進(jìn)行增強處理。分別對原始圖像、MSR處理后的圖像以及模糊MSR處理后的圖像進(jìn)行ORB匹配。實驗結(jié)果表明,改進(jìn)后的匹配算法的匹配正確率較高,性能更穩(wěn)定,適用于對于匹配精度要求較高復(fù)雜的場景。(2)傳統(tǒng)圖像插值大多是基于灰度圖像進(jìn)行處理的,會導(dǎo)致圖像的許多顏色信息丟失,本論文提出基于彩色圖像的插值算法。將原始圖像進(jìn)行R、G、B顏色空間的圖像分解,并對R、G、B圖像分別處理從而解決彩色圖像插值問題。(3)針對傳統(tǒng)MAP重建復(fù)原得到的圖像邊緣易出現(xiàn)鋸齒化和模糊化等問題,本論文在圖像插值環(huán)節(jié)采用Curvelet插值算法對其進(jìn)行改善。為達(dá)到更好的效果,采用基于多維梯度的彩色Canny邊緣檢測算法檢測圖像的邊緣,并將圖像分邊緣區(qū)域和平坦區(qū)域分別進(jìn)行插值。對于平坦區(qū)域的圖像利用方向因子計算插值點不同方向的估計值并結(jié)合雙三次插值算法對圖像插值點進(jìn)行插值,能夠很好的解決邊緣鋸齒化和模糊化的問題。然后對于邊緣部分采用雙線性插值算法進(jìn)行插值。最后,通過不同插值算法對圖像進(jìn)行插值,并進(jìn)行MAP復(fù)原重建。實驗結(jié)果表明,本論文的算法能夠更好的保持圖像的彩色信息和邊緣特性,減少圖像邊緣的鋸齒和模糊現(xiàn)象。本論文針對傳統(tǒng)MAP超分辨率重建算法在處理彩色視頻圖像和惡劣條件下視頻圖像時效果不理想的情況,對MAP算法進(jìn)行改進(jìn),取得了較好的效果。
【學(xué)位單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2016
【中圖分類】：U495;TP391.41
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容和主要工作
    1.4 本論文的組織結(jié)構(gòu)
第二章 MAP圖像超分辨率重建可行性分析及評價標(biāo)準(zhǔn)
    2.1 超分辨率重建的概念及前提條件
    2.2 超分辨重建的退化模型
        2.2.1 退化模型介紹
        2.2.2 退化模型的數(shù)學(xué)表達(dá)
    2.3 MAP超分辨率重建算法
    2.4 圖像超分辨率復(fù)原研究內(nèi)容
    2.5 圖像超分辨率重建的重要評價標(biāo)準(zhǔn)
        2.5.1 主觀評價
        2.5.2 客觀評價
    2.6 本章小結(jié)
第三章 基于圖像增強的ORB圖像匹配算法研究
    3.1 ORB匹配算法
        3.1.1 FAST算子特征點檢測
        3.1.2 BRIEF特征點描述
        3.1.3 最近鄰Hamming距離匹配
    3.2 改進(jìn)ORB匹配算法研究
        3.2.1 Retinex算法引入
        3.2.2 模糊理論
        3.2.3 模糊MSR算法
    3.3 仿真實驗
    3.4 本章小結(jié)
第四章 基于Curvelet的彩色圖像插值算法研究
    4.1 傳統(tǒng)圖像插值算法
    4.2 改進(jìn)彩色圖像插值算法
        4.2.1 RGB顏色空間
        4.2.2 基于多維梯度的彩色Canny邊緣檢測
        4.2.3 Curvelet方向因子
        4.2.4 Curvelet插值算法
    4.3 仿真實驗
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 下一步工作以及展望
致謝
參考文獻(xiàn)
附錄A 攻讀碩士期間發(fā)表的論文
附錄B 攻讀碩士期間獲得的軟件著作權(quán)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李云;黃東軍;;視頻圖像超分辨率應(yīng)用系統(tǒng)設(shè)計與實現(xiàn)[J];企業(yè)技術(shù)開發(fā);2010年17期

2 李玉花;齊春;;利用位置字典對的人臉圖像超分辨率方法[J];西安交通大學(xué)學(xué)報;2012年06期

3 吳煒;楊曉敏;陳默;何小海;鄭麗賢;;一種新穎的人臉圖像超分辨率技術(shù)[J];光學(xué)精密工程;2008年05期

4 馬祥;齊春;;全局重建和位置塊殘差補償?shù)娜四槇D像超分辨率算法[J];西安交通大學(xué)學(xué)報;2010年04期

5 李濤;王曉華;宋桂芹;李軍科;閆雪梅;;基于學(xué)習(xí)的彩色人臉圖像超分辨率重構(gòu)研究[J];北京理工大學(xué)學(xué)報;2010年02期

6 廖秀秀;韓國強;沃焱;陳湘驥;;基于近鄰嵌入逐級放大的圖像超分辨率重建[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2013年05期

7 韓華,王洪劍,彭思龍;基于局部結(jié)構(gòu)相似性的單幅圖像超分辨率算法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2005年05期

8 焦斌亮;宋俊玲;;基于第二代小波的序列圖像超分辨率復(fù)原算法研究[J];宇航學(xué)報;2010年02期

9 李濤;王曉華;張超;杜部致;李宇春;;基于學(xué)習(xí)的人臉圖像超分辨率重構(gòu)算法[J];北京理工大學(xué)學(xué)報;2012年04期

10 胡宇;沈庭芝;劉朋樟;趙三元;;基于局部像素嵌入的人臉圖像超分辨率重構(gòu)[J];北京理工大學(xué)學(xué)報;2011年02期

相關(guān)會議論文 前7條

1 張煜東;吳樂南;奚吉;王水花;;變長小生境算法用于圖像超分辨率復(fù)原[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

2 張東;韓軍;;圖像超分辨率重建算法研究[A];2010年西部光子學(xué)學(xué)術(shù)會議摘要集[C];2010年

3 楊浩;高建坡;陳向東;吳鎮(zhèn)揚;;利用示例圖像獲取先驗知識的圖像超分辨率重建算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會論文集[C];2007年

4 閆允一;郭寶龍;;基于小波的圖像超分辨率重建算法研究[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

5 顧瑩;朱秀昌;;基于CS的圖像超分辨率重建[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

6 韓玉兵;殷瑋瑋;吳樂南;;基于Wavelet-HMM的圖像超分辨率重建[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

7 張瓊;付懷正;沈民奮;;基于稀疏表示的彩色圖像超分辨率重建算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 曹明明;基于鄰域嵌入的圖像超分辨率重建研究[D];南京郵電大學(xué);2015年

2 李小燕;基于廣義圖像先驗的圖像超分辨率重建算法研究[D];西南交通大學(xué);2015年

3 康凱;圖像超分辨率重建研究[D];中國科學(xué)技術(shù)大學(xué);2016年

4 徐海明;圖像超分辨率重建關(guān)鍵技術(shù)的基礎(chǔ)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

5 李娟;基于稀疏表示的圖像超分辨率復(fù)原研究[D];武漢科技大學(xué);2016年

6 鄧良劍;圖像處理若干問題的數(shù)學(xué)模型和高性能算法研究[D];電子科技大學(xué);2016年

7 李欣;基于稀疏表示的圖像超分辨率重建研究[D];南京郵電大學(xué);2016年

8 張劍;圖像超分辨率重建問題研究[D];中南大學(xué);2010年

9 何宇清;圖像超分辨率重建關(guān)鍵技術(shù)研究[D];天津大學(xué);2007年

10 曹聚亮;圖像超分辨率處理、成像及其相關(guān)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 雷倩;基于深度學(xué)習(xí)的圖像超分辨率重構(gòu)[D];河北師范大學(xué);2015年

2 馬瑩;基于字典學(xué)習(xí)的圖像超分辨率復(fù)原算法研究[D];燕山大學(xué);2015年

3 張志超;單幅圖像超分辨率重建算法研究[D];鄭州大學(xué);2015年

4 王賀青;基于稀疏表示和非下采樣輪廓波變換的單幅圖像超分辨率[D];哈爾濱工業(yè)大學(xué);2015年

5 曹柱利;基于學(xué)習(xí)的毫米波圖像超分辨率算法研究[D];電子科技大學(xué);2014年

6 吳秀秀;基于配準(zhǔn)的肺4D-CT圖像超分辨率重建研究[D];南方醫(yī)科大學(xué);2015年

7 熊智;車牌圖像超分辨率重建算法研究[D];南昌航空大學(xué);2015年

8 趙新;圖像超分辨率重建系統(tǒng)的研究與實現(xiàn)[D];河北工業(yè)大學(xué);2015年

9 王保全;基于混合專家模型的快速圖像超分辨率方法研究與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

10 徐光耀;基于稀疏表示的人臉圖像超分辨率技術(shù)研究[D];上海交通大學(xué);2015年

本文編號：2827956