視頻去運動模糊及超分辨率研究.pdf

1、本文研究的超分辨率和圖像去運動模糊是計算機圖像處理領域一個非常具有挑戰(zhàn)性的課題。理論上，超分辨率和圖像去運動模糊都屬于數(shù)學問題中的具有“病態(tài)性”的一類反問題。一個方程的“病態(tài)性”表現(xiàn)為該方程的解非連續(xù)地依賴于觀測數(shù)據(jù)，即觀測數(shù)據(jù)的微小變動可能導致解變動很大，而且在現(xiàn)實生活中，由于觀測數(shù)據(jù)受噪聲的污染，方程的解可能偏離真解相當遠。因此，無論是理論方面還是實際操作方面，超分辨率和圖像去運動模糊都是十分困難的問題。
　　 本文回顧了超

2、分辨率和圖像去模糊的研究現(xiàn)狀，然后提出了自己的視頻超分辨率算法和去運動模糊算法。
　　 本文提出了一種新的適用壓縮域的視頻超分辨率方法，該方法將整個超分辨率過程分成兩階段:
　　 Step1.利用解壓縮低分辨率壓縮視頻得到的信息，使用貝葉斯框架，來分別得到當前活動窗口內(nèi)的各初始單幀超分辨率估計;
　　 Step2.利用當前窗口內(nèi)的各單幀超分辨率圖像來重建目標幀的最終的超分辨率圖像。具體研究成果包括:
　　

3、 1.改進了成像模型和壓縮模型，削弱了活動窗口內(nèi)超分辨率重建結果和相鄰高分辨率圖像間的配準誤差對超分辨率結果的影響。
　　 2.提出了新的超分辨率重建結果的混合先驗模型，它由兩部分組成:全局先驗模型和局部先驗模型。全局先驗模型:使超分辨率重建圖像的梯度分布盡可能接近解壓縮后的低分辨率圖像的梯度分布。通過全局先驗模型，使超分辨率結果能保持邊緣清晰;局部先驗模型:如果LR圖像的局部區(qū)域是平滑的，那么對應的HR圖像區(qū)域也應該是平滑的。

4、通過局部先驗模型抑制了超分辨率結果的“振鈴”噪聲。
　　 3.使用IRLS（迭代重加權最小二乘法）來構建魯棒性強的目標函數(shù)，從而削弱離群點和噪聲的影響，減少超分辨率結果包含的人工痕跡。
　　 在去運動模糊方面，本文的主要貢獻包括:
　　 1.提出了新的基于透明度的雙圖像平面運動估計方法，平面運動包括旋轉運動加平移運動。這種方法利用了清晰圖像邊界的透明度的二值性來減少盲復原問題的病態(tài)性。
　　 2.減少了用

5、戶輸入的信息，在模糊核的估計過程中，不需要用戶交互。僅僅在得到透明度信息的過程中，需要用戶輸入部分筆劃來表明前景和背景。
　　 3.提出了新的運動模糊離散模型和新的平面模糊運動描述符，使最優(yōu)化算法更加簡單。
　　 4.改進了經(jīng)典Richardson-Lucy去卷積算法，使之適合本文提出的新的運動模糊離散模型。
　　 5.使用了IRLS（迭代重加權最小二乘法）來構建目標函數(shù)，其輸入為兩幅模糊圖像，使去模糊效果更好，