基于小框架超分辨率图像和视频重构算法地研究论文

《基于小框架超分辨率图像和视频重构算法地研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要基于小框架的超分辨率图像与视频重构算法研究专业：通信与信息系统博士生：李炎然导师：戴道清教授摘要超分辨率图像与视频重构的目标是从多帧同一场景的低分辨率图像中重构出清晰的高分辨率图像。在现有摄像系统的基础上，超分辨率技术可以超越摄像系统硬件分辨率的极限，重构出高质量图像。清晰的高分辨率图像包含更多的目标边缘细节，可以给图像后序处理提供更多的图像信息，其应用领域包括医学摄像、卫星摄像、监控领域等。从多帧的低分辨率图像中恢复原始的高分辨图像是典型的病态逆问题，由保真项、正则化参数和正则化项组成的正则化模型是本课题研究的基础。保真项度量高分辨率

2、图像与观测数据之间的贴近程度，正则化项度量估计得到高分辨率图像的光滑度，即图像的边缘信息。小框架(Framelet)具有框架的冗余特性和小波多分辨率分析的优点，对噪声具有鲁棒性，是解决本课题研究的核心。本文研究的正则化模型算法对模型噪声具有鲁棒性，在不同类型的噪声模型下都能够重构出清晰的高分辨率图像。在重构高分辨率图像的逆过程中，超分辨率重构算法能够滤除由于超分辨率模型的病态特性引入或放大的噪声，同时保持图像的边缘细节。本文的主要贡献和创新点包括以下几个方面：·利用小框架基之间的线性相关性，构造出具有二维几何特性小框架系统，能够检测图像不同方向

3、和不同阶的变化信息。利用小框架系统在图像去噪方面的优第1页中山大学博士学位论文点，提出基于二维小框架正则化项，并成功应用于超分辨率重构算法。·提出基于多帧的Bayer彩色滤波矩阵(BayerColorFilterArray)数据的彩色超分辨图像重构算法。由Z1范数和粤2范数的线性组合构成的弹性网理论成功地应用于变量选择模型，提出基于弹性网的保真项可以重构出更适合人的视觉系统的全彩色图像，提高模型的稳定性。图像绿色通道G分别与图像红色通道R或图像蓝色通道B的差是RGB(RedGreenBlue)---色空间的低频的信号，亮度空间包含RGB-一色空

4、间大部分图像的细节信息，它们作为彩色正则化空间。利用小框架算子能够检测图像多方向和多阶信号变化的优点，提出了基于彩色正则化空间的小框架正则化项，有效地抑制视觉瑕疵的产生和保持图像的边缘细节。·利用稀疏表示技术，提出基于多帧的视频画面(VideoStills)的视频超分辨率重构算法。提出的自适应保真项可以自适应地模拟孽1范数或粤2范数度量残差。利用图像小框架系数是稀疏的特点，在构造出具有几何特性的小框架系统上，提出基于小框架系数稀疏的Z1范数正则化项。通过分析模型的欧拉(Euler-Lagrange)方程，提出两步迭代的算法。第一步利用梯度下降法

5、求解模型的近似解；第二步提出自适应软阈值算子，增强第一步估计得到高分辨率图像的小框架系数的稀疏性，同时滤除噪声和保护边缘。仿真数据与实际视频的实验表明，提出的超分辨率重构算法对模型噪声具有鲁棒性，有效地滤除噪声和保护图像高频信息。关键词：超分辨率重构，正则化模型，小框架，粤1范数，彩色正则化空间，稀疏表示，视频。第ll页英文摘要RSuperResolutionImageandVideo‘‘BasedFrameletTheor3econstructionBasedOnYameletTheoryMajor：CommunicationandInfor

6、mationSystemsName：Yan-lhlLiSupervisor：ProfessorDao-QingDaiABSTRACTThegoalofsuperresolutionimageandvideoreconstructionistogetenhancedreso-lutionimagesfromlowresolutionimagesorvideostillsofsamescene．SuperresolutionmethodsCansurpassresolutionlimitofimagingsensorsandreconstructh

7、igh-definitionimageswithexistinglowresolutionimagingsystems．High-definitionimagesofferob-serversdetailsofthetarget，andprovidemoreimportantinformationforpost-processing．Therelatedapplicationsincludemedicalimaging，remotesensing，andsurveillance，etc．Sincesuperresolutionreconstru

8、ctionisanill—posedinverseproblemfromlowresolutionimagestohigh-definitionima