【摘要】：在實際應(yīng)用中,由于成像系統(tǒng)內(nèi)在硬件設(shè)備的限制,高分辨率圖像通常難以獲得。單純的通過改善硬件設(shè)備來提高圖像的分辨率不僅代價高昂,而且面臨著成像系統(tǒng)短期內(nèi)難以克服的一些技術(shù)難題,因此以軟件方式來提高圖像的分辨率意義重大。超分辨率圖像重建技術(shù)就是采用信號處理技術(shù),從單幅或多幅低分辨率圖像中重構(gòu)出質(zhì)量較好的高分辨率圖像。本文主要研究了單幅低分辨率圖像重建及其質(zhì)量評價問題,在對現(xiàn)有方法改進的基礎(chǔ)上,結(jié)合人類的視覺感知特性,得到與人類主觀偏好一致的高分辨率圖像和圖像質(zhì)量評價標(biāo)準(zhǔn)。人類視覺系統(tǒng)是一個高度復(fù)雜的智能信息處理系統(tǒng),能夠在極短的時間內(nèi)完成圖像內(nèi)容的處理。因此,將人類視覺系統(tǒng)的視覺感知特性與計算機圖像處理算法結(jié)合,能有效地提升后者的處理效率。在視覺信息感知初期,人類視覺系統(tǒng)并非對所有圖像區(qū)域平等地進行處理,而是通過視覺關(guān)注機制篩選出感興趣區(qū)域優(yōu)先解讀�；谝曈X關(guān)注的圖像顯著性檢測算法能有效減少待處理圖像內(nèi)容,從而提升圖像處理效率。由于視覺系統(tǒng)的分辨能力有限,人眼無法察覺出處于一定閾值以下的信號內(nèi)容變化。我們可以利用這一特點,去除對人類視覺系統(tǒng)無影響的變化信息,提升客觀圖像質(zhì)量評價指標(biāo)與主觀評價的一致性。論文圍繞基于視覺感知的超分辨率圖像重建及其質(zhì)量評價方法展開研究,主要內(nèi)容與貢獻(xiàn)包括:1、傳統(tǒng)的插值算法容易引起邊緣模糊,而人類視覺系統(tǒng)通常容易注意到圖像中的物體邊緣。傳統(tǒng)的插值算法也無法很好的處理噪聲,而由于視覺掩蔽效應(yīng),平坦區(qū)域的噪聲更容易引起人們的注意。針對上述問題,提出一種基于邊緣聚焦與自適應(yīng)濾波的超分辨率重建方法。該方法首先采用傳統(tǒng)的插值方法獲得初始高分辨率圖像,再通過邊緣聚焦找出圖像中的邊緣像素,針對不同像素采用自適應(yīng)濾波方法,自動調(diào)整濾波器參數(shù),以獲得最佳的濾波效果,獲得最終的高分辨率重建圖像。同時,我們還提出了一種快速的圖像塊搜索算法,用以加速濾波方法。實驗表明,該方法無論在視覺效果還是客觀評價上都獲得較好的重建性能。2、人類視覺系統(tǒng)的視覺關(guān)注機制決定了人們在觀察一副圖像時,總是優(yōu)先處理感興趣區(qū)域的圖像內(nèi)容。而在計算資源有限,實時性較高的情況下,提升感興趣區(qū)域的優(yōu)先級,能夠在保證感興趣區(qū)域重建質(zhì)量的情況下,加快超分辨率圖像重建算法的速度。因此,我們提出了一種基于顯著性模型的超分辨率圖像重建框架,該框架具有較好的適應(yīng)性和可擴展性。此外,傳統(tǒng)的插值方法直接將低分辨率圖像中的像素作為高分辨率圖像中對應(yīng)位置的像素處理,并沒有考慮到實際的成像過程中模糊、下采樣和噪聲干擾等一系列降質(zhì)因素的影響。針對這個問題,我們還提出了一種基于圖像局部結(jié)構(gòu)相似度的塊插值方法。3、由于超分辨率重建圖像與輸入的參考低分辨率圖像之間存在著圖像大小不一致的問題,目前廣泛使用的全參考圖像質(zhì)量評價標(biāo)準(zhǔn)并不適用于超分辨率重建圖像的質(zhì)量評價,而學(xué)者們對于超分辨率重建圖像的質(zhì)量評價也鮮有研究。針對上述問題,提出一種新的半?yún)⒖嫉某直媛蕡D像質(zhì)量評價標(biāo)準(zhǔn)。一方面,從結(jié)構(gòu)相似度反映出重建圖像與參考低分辨率圖像之間一致性;另一方面,從邊緣的顯著度和模糊程度反映出人類視覺系統(tǒng)對重建圖像質(zhì)量的客觀評價,將兩者融合獲得最終的評價指標(biāo)。實驗表明,該圖像質(zhì)量評價標(biāo)準(zhǔn)能夠較好地適用于超分辨率重建圖像的質(zhì)量評價任務(wù)。上述研究成果從人類視覺感知的特性出發(fā)對現(xiàn)有的超分辨率圖像重建和質(zhì)量評價方法進行了補充和改進,具有一定的前瞻性和挑戰(zhàn)性,具備一定的理論意義及實用價值。
[Abstract]:In practical applications, high-resolution images are often difficult to obtain due to the limitations of the hardware devices within the imaging system. It is not only expensive to improve the resolution of the image by improving the hardware equipment but also some technical problems which are difficult to be overcome in the short time of the imaging system. The super-resolution image reconstruction technique is to reconstruct a high-resolution image with better quality from one or more low-resolution images by using signal processing technology. In this paper, the reconstruction of single-frame low-resolution image and its quality evaluation are mainly studied. On the basis of the improvement of the existing method, the high-resolution image and the image quality evaluation standard which are consistent with the human's subjective preference are obtained. The human vision system is a highly complex intelligent information processing system, which can complete the processing of the image content in a very short time. Therefore, the visual perception characteristic of the human vision system is combined with the computer image processing algorithm, and the processing efficiency of the latter can be effectively improved. in that early stage of visual information perception, the human vision system is not proces equally to all the image regions, but rather the region of interest is selected by the visual attention mechanism. The image saliency detection algorithm based on visual attention can effectively reduce the image content to be processed, thereby improving the image processing efficiency. due to the limited resolution capability of the vision system, the human eye cannot detect the change of the signal content below a certain threshold. We can use this feature to remove the change information that has no effect on the human vision system, and improve the consistency of the objective image quality evaluation index and the subjective evaluation. This paper studies the reconstruction of super-resolution image based on visual perception and its quality evaluation method. The main content and contribution include: 1. The traditional interpolation algorithm is easy to cause the edge blur, and the human vision system is usually easy to notice the edge of the object in the image. The traditional interpolation algorithm can not process the noise well, and due to the visual masking effect, the noise of the flat region is more likely to cause the attention of the people. In view of the above problems, a super-resolution reconstruction method based on edge focusing and adaptive filtering is proposed. The method comprises the following steps of: firstly, obtaining an initial high-resolution image by adopting a traditional interpolation method, and finding the edge pixels in the image through the edge focus, adopting an adaptive filtering method for different pixels, and automatically adjusting the filter parameters to obtain the best filtering effect; a final high resolution reconstruction image is obtained. At the same time, we propose a fast image block search algorithm to speed up the filtering method. the experimental results show that the visual attention mechanism of the human vision system determines that the image content of the region of interest is always preferentially processed when a pair of images is observed. In the case of limited computing resources and high real-time performance, the priority of the region of interest can be improved, and the speed of the super-resolution image reconstruction algorithm can be accelerated under the condition of ensuring the reconstruction quality of the region of interest. Therefore, we propose a super-resolution image reconstruction framework based on the saliency model, which has better adaptability and expandability. In addition, the traditional interpolation method directly processes the pixels in the low-resolution image as the pixel of the corresponding position in the high-resolution image, and does not take into account the influence of a series of quality-reducing factors such as fuzzy, down-sampling and noise interference in the actual imaging process. in ord to solve that problem, we also propose a block interpolation method based on the similarity of the local structure of the image. The full-reference image quality evaluation standard which is widely used at present is not applicable to the quality evaluation of super-resolution reconstruction images, and scholars have little research on the quality evaluation of super-resolution reconstruction images. In view of the above problems, a new semi-reference super-resolution image quality evaluation criterion is proposed. On the one hand, the consistency between the reconstructed image and the reference low resolution image is reflected from the degree of similarity of the structure; on the other hand, the objective evaluation of the quality of the reconstructed image by the human vision system is reflected from the degree of saliency and the degree of blurring of the edge, and the final evaluation index is obtained by fusing the two. The experiment shows that the image quality evaluation standard can be well applied to the quality evaluation task of the super-resolution reconstruction image. The research results, from the characteristics of human visual perception, complement and improve the existing super-resolution image reconstruction and quality evaluation method, have a certain forward-looking and challenging, have certain theoretical and practical value.
【學(xué)位授予單位】：江西財經(jīng)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;超分辨率圖像重建的應(yīng)用[J];咸陽師范學(xué)院學(xué)報;2006年02期

2 袁小華;歐陽曉麗;夏德深;;超分辨率圖像恢復(fù)研究綜述[J];地理與地理信息科學(xué);2006年03期

3 袁小華;高秀梅;夏其英;夏德深;;改進的有參超分辨率圖像盲恢復(fù)[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2006年03期

4 徐忠強;朱秀昌;;超分辨率圖像重建方法研究[J];自動化儀表;2006年11期

5 周衛(wèi)峰;李成軍;朱重光;;基于總變分的超分辨率圖像重建[J];計算機工程與應(yīng)用;2007年36期

6 趙云龍;徐帥;李光;;基于廣義遞歸反演的超分辨率圖像恢復(fù)研究[J];通信技術(shù);2008年11期

7 劉潤丹;潘新生;;一種實時魯棒的超分辨率圖像重建方法[J];計算機工程與應(yīng)用;2012年09期

8 蘇衡;周杰;張志浩;;超分辨率圖像重建方法綜述[J];自動化學(xué)報;2013年08期

9 孫志民,汪源源,王威琪;超分辨率圖像重建方法及其在超聲圖像中的應(yīng)用[J];儀器儀表學(xué)報;2004年S2期

10 禹晶;蘇開娜;肖創(chuàng)柏;;一種改善超分辨率圖像重建中邊緣質(zhì)量的方法[J];自動化學(xué)報;2007年06期

相關(guān)會議論文 前7條

1 趙榮椿;;超分辨率圖像重建及其應(yīng)用[A];全國第二屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2007年

2 孫志民;汪源源;王威琪;;超分辨率圖像重建方法及其在超聲圖像中的應(yīng)用[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

3 鄒瑩;周詮;袁琪;李映;趙榮椿;;基于正則化的超分辨率圖像重建方法及其實現(xiàn)[A];第三屆全國嵌入式技術(shù)和信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

4 禹晶;段娟;肖創(chuàng)柏;;一種基于MAP的超分辨率圖像重建的快速算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

5 石偉玉;張旭東;任溯;;基于分層運動估計的POCS超分辨率圖像重建[A];2009全國虛擬儀器大會論文集（二）[C];2009年

6 李旭健;房勝;梁永全;;基于混疊圖像的超分辨率圖像重構(gòu)算法研究[A];第二屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

7 唐智飛;禹晶;肖創(chuàng)柏;;基于雙邊濾波的POCS超分辨率圖像序列重建算法[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2條

1 舒雷;基于視覺感知的超分辨率圖像重建及其質(zhì)量評價[D];江西財經(jīng)大學(xué);2016年

2 袁小華;超分辨率圖像恢復(fù)中的方法研究[D];南京理工大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 田之英;基于多成分字典的稀疏表示超分辨率圖像重建[D];沈陽航空航天大學(xué);2016年

2 李欣;高清晰度超分辨率圖像生成系統(tǒng)設(shè)計與實現(xiàn)[D];山西大學(xué);2016年

3 陳致豪;基于稀疏表示與壓縮傳感的超分辨率圖像處理技術(shù)研究[D];西南交通大學(xué);2013年

4 程光權(quán);基于小波的超分辨率圖像重建[D];國防科學(xué)技術(shù)大學(xué);2005年

5 陳光盛;空域超分辨率圖像融合算法研究[D];湖南大學(xué);2006年

6 劉曉暉;用于遠(yuǎn)距離人臉識別的超分辨率圖像恢復(fù)研究[D];天津大學(xué);2009年

7 徐鵬宇;超分辨率圖像重建研究[D];上海交通大學(xué);2009年

8 荊博;超分辨率圖像重建的研究[D];北京工業(yè)大學(xué);2013年

9 張蓓蓓;超分辨率圖像的重建[D];西安理工大學(xué);2010年

10 朱勇;超分辨率圖像處理技術(shù)的研究[D];華中科技大學(xué);2007年

，

本文編號：2371281