發(fā)布時間：2022-01-09 15:56

　　近年來,在單幅圖像的超分辨率（Super Resolution,SR）重建算法中,基于稀疏表示的圖像超分辨率算法由于其重建圖像的視覺效果較好,得到了廣大學(xué)者和研究人員的關(guān)注。但是該方法在圖像超分辨率重建過程中也存在一定的問題:其一,這類算法并沒有充分利用圖像自身的紋理結(jié)構(gòu)信息,使得重建圖像存在偽影和塊效應(yīng)現(xiàn)象,并且圖像重建的時間久。其二,這類算法只利用外部數(shù)據(jù)庫進行字典學(xué)習(xí),忽略了圖像自身包含的內(nèi)部信息,導(dǎo)致重建圖像的邊緣處視覺效果不佳。本文針對上述兩個問題,提出了相應(yīng)的圖像超分辨率重建算法。本文的提出的算法及創(chuàng)新點如下:1.在稀疏表示的超分辨率重建過程中,需要對輸入圖像至上而下進行重疊塊劃分。但該過程并沒有考慮圖像自身的結(jié)構(gòu)特征,直接將圖像的平滑部分和邊緣部分都劃分成大小相同的圖像塊,使得圖像重建時間成本高,并且重建圖像的邊緣處存在偽影現(xiàn)象。針對該問題,本文在第三章提出一種基于分塊自適應(yīng)的圖像超分辨率算法。該算法的主要貢獻是改進圖像的分塊方式,基于圖像四叉樹的分塊思想,根據(jù)圖像本身的紋理結(jié)構(gòu)信息,采用自適應(yīng)分塊算法對圖像進行塊劃分,將圖像的平滑部分劃分為大尺度的圖像塊,圖像的邊緣部分... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像插值算法分類基于插值的超分辨率重建算法可以分為以下兩類：線性插值算法和非線性插值算法，如

杭州電子科技大學(xué)碩士學(xué)位論文3圖1.1所示。線性插值算法主要包括最鄰近插值，雙線性插值，雙三次插值等算法。非線性插值算法主要包括：基于小波系數(shù)和基于邊緣信息等算法。A.線性插值算法(1)最鄰近插值算法最鄰近插值算法也被稱作零階插值算法，該算法通過比較待重建的像素點和周圍4個像素點的距離，選擇最近距離的像素點作為待重建像素點的值。如圖1.2所示。圖1.2最鄰近插值算法上圖中，I(i,j)、I(i+1,j)、I(i,j+1)、I(i+1,j+1)分別表示已知像素點(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)處的灰度值。對于待重建像素點(i+u,j+v)，如果落在A區(qū)，則表示待重建像素點和已知像素點(i,j)的距離最近，則待重建像素點(i+u,j+v)處的灰度值如下：I(i+u,j+v)=I(i,j)(1.1)其中u,v[0,1)，I(i+u,j+v)表示待重建像素點(i+u,j+v)處的灰度值。同理，如果待重建像素點(i+u,j+v)落在B區(qū)，則用I(i+1,j)代表重建像素點的灰度值I(i+u,j+v)，如果落在C區(qū)，則用I(i,j+1)代表重建像素點處的灰度值，如果落在D區(qū)，則用I(i+1,j+1)代表重建像素點處的灰度值。最近鄰插值算法通過使用距離最近像素點的灰度值，替代待重建像素點的灰度值，重建圖像存在嚴(yán)重的塊效應(yīng)，重建圖像的細(xì)節(jié)信息不足。(2)雙線性插值算法雙線性插值算法又稱為一階插值算法，該算法通過計算待重建像素點和周圍4個像素點之間的距離，來確定每個像素點對應(yīng)灰度值得權(quán)重。最后利用周圍4個像素點的灰度值來確定待重建像素點的灰度值，其計算公式如下：()()()()()()()()(),11,1,111,1,1IiujvuvIijuvIijuvIijuvIij++=++++++(1.2)雙線性插值算法在一定程度上可以改善最鄰近插值算法的不足，重建圖像在視覺效果上更加平滑。但是這種算法仍然會造成重建圖像的重要細(xì)節(jié)受損，重建圖像質(zhì)量不

列圖像中獲取的先驗知識有限，導(dǎo)致重建的圖像和原始高分辨率圖像有一定的差距。B.空域法空域法則是利用空域上獲得的先驗知識對輸入的低分辨率圖像進行重建，其線性觀測模型包含光學(xué)運動模糊、全局或局部運動、點擴散函數(shù)、非理想采樣等。常見的基于空域的超分辨率算法有迭代反投影（IterativeBackProjection，IBP）[22]、凸集投影法（ProjectionOntoConvexSet，POCS）[23]、全變分正則化法（TotalVariationRegularization，TV）[24]、最大后驗概率法（Maximumaposterioriprobability，MAP）[25]等。(1)迭代反投影算法圖1.3迭代反投影算法的流程迭代反投影法是空域方法中具有代表性的方法之一，Irani等人最先提出了迭代反投影的方法，其迭代的過程如圖1.3所示。首先對于輸入的低分辨率圖像進行雙三次插值，得到初始的高分辨率圖像，然后對其進行模糊和下采樣等操作，得到模擬低分辨率圖像。該算法的

【參考文獻】：
期刊論文
[1]基于交替方向乘子的全變差圖像復(fù)原[J]. 賴明倩,蔡光程.  計算機技術(shù)與發(fā)展. 2017(04)
[2]超分辨重建圖像質(zhì)量評價算法[J]. 于康龍,秦衛(wèi)城,楊進,許若飛.  計算機工程與應(yīng)用. 2017(02)
[3]圖像質(zhì)量評價綜述[J]. 劉書琴,毋立芳,宮玉,劉興勝.  中國科技論文在線. 2011(07)
[4]圖像超分辨率重建技術(shù)與方法綜述[J]. 沈煥鋒,李平湘,張良培,王毅.  光學(xué)技術(shù). 2009(02)



本文編號：3579012