基于學(xué)習(xí)的超分辨率復(fù)原技術(shù)研究.pdf

1、隨著計算機網(wǎng)絡(luò)技術(shù)的應(yīng)用和多媒體技術(shù)的發(fā)展，圖像信息在人們的工作、學(xué)習(xí)和生活中發(fā)揮越來越重要的作用。改善圖像質(zhì)量，提高圖像分辨率成為數(shù)字圖像處理領(lǐng)域最基本、最重要的研究課題之一，具有重要的理論價值和實際意義。 目前，超分辨率復(fù)原技術(shù)主要分為兩種主要研究方法：基于重建超分辨率復(fù)原和基于學(xué)習(xí)的超分辨率復(fù)原。本文主要研究基于學(xué)習(xí)的超分辨率復(fù)原技術(shù)，在對現(xiàn)有基于學(xué)習(xí)的算法進行分析的基礎(chǔ)上，通過研究新的算法，提高圖像超分辨率復(fù)原能力，降低

2、算法復(fù)雜度。同時論文對于人臉這一特殊類型的圖像進行了超分辨率復(fù)原的研究，結(jié)合人臉圖像的特征，提出了新的基于區(qū)域自適應(yīng)的人臉超分辨率算法，并且給出了良好的實驗結(jié)果。 本論文主要在以下一些方面展開了工作： 1.研究并實現(xiàn)了一種典型的基于學(xué)習(xí)(示例)的超分辨率復(fù)原算法，該算法利用馬爾可夫網(wǎng)絡(luò)來學(xué)習(xí)高分辨率圖像及其對應(yīng)低分辨率圖像之間的對應(yīng)關(guān)系，并用這種關(guān)系來指導(dǎo)低分辨率圖像的復(fù)原，取得了較理想的復(fù)原結(jié)果。但是，該算法需要對數(shù)量

3、龐大的訓(xùn)練樣本庫進行遍歷搜索，時間復(fù)雜度很高。樣本的誤匹配現(xiàn)象也會影響圖像的重建質(zhì)量。 2.提出了一種基于預(yù)分類學(xué)習(xí)的超分辨率復(fù)原算法。針對現(xiàn)有算法遍歷搜索樣本庫，運算復(fù)雜度高且存在誤匹配現(xiàn)象等問題，本論文提出了一種新的基于預(yù)分類學(xué)習(xí)的超分辨率復(fù)原算法。首先根據(jù)簡單的紋理特征參數(shù)對樣本庫進行預(yù)搜索，找到紋理內(nèi)容相近的子樣本庫，然后在子樣本庫中進行像素級精確匹配搜索。算法中預(yù)搜索過程的引入，不僅有效減少了精確匹配搜索的工作量，降低

4、了算法的復(fù)雜度，而且通過有效利用樣本的紋理特征進行匹配，提高了精確搜索的針對性，減少了誤匹配的發(fā)生。實驗表明，提出的算法能有效提高算法結(jié)果的復(fù)原質(zhì)量和運行速度。 3.針對人臉這一特殊類型的對象，提出了一種基于區(qū)域自適應(yīng)學(xué)習(xí)的人臉圖像超分辨率復(fù)原算法。算法根據(jù)人臉圖像的紋理特征將人臉分為平坦區(qū)和細節(jié)區(qū)。對面部平坦區(qū)直接采用雙線性插值放大；對于眼睛、鼻子和嘴等細節(jié)區(qū)，采用分類預(yù)測器重建高頻信息。在細節(jié)區(qū)，將相似紋理結(jié)構(gòu)的圖像塊分為一

5、類，對每類紋理結(jié)構(gòu)分別訓(xùn)練線性預(yù)測器，進行高頻信息預(yù)測。實驗結(jié)果表明，本文算法在圖像重建質(zhì)量的主觀效果和實現(xiàn)速度上都有很好的表現(xiàn)。但是，由于人臉區(qū)域的樣本劃分采用的是人為分類的方法，分類過程較為簡單，所分類別數(shù)比較單一。 4.進一步針對人臉圖像特征，對面部紋理信息進行基于學(xué)習(xí)的分類方法的深入研究。在結(jié)合基于矢量量化的人臉圖像超分辨率復(fù)原基礎(chǔ)上，本文根據(jù)人臉的特征，提出了一種基于區(qū)域矢量量化樣本分類預(yù)測學(xué)習(xí)的人臉圖像超分辨率復(fù)原算