基于自適應(yīng)回歸的圖像超分辨率：算法與應(yīng)用.pdf

1、本文探討了基于自適應(yīng)回歸模型的圖像超分辨率技術(shù)及其在數(shù)字圖像通信領(lǐng)域的若干應(yīng)用,包括圖像錯(cuò)誤隱藏和無(wú)線環(huán)境下的視頻編碼技術(shù)。在實(shí)際應(yīng)用中,受采集設(shè)備和傳輸信道等條件的限制,視覺通信系統(tǒng)接收端獲得圖像的分辨率往往不能滿足人們的要求。為此,我們需要使用圖像超分辨率技術(shù)在保證不增加通信系統(tǒng)硬件負(fù)擔(dān)的同時(shí),提高圖像的分辨率。圖像建模是圖像處理、模式識(shí)別和計(jì)算機(jī)視覺等領(lǐng)域中的一個(gè)基本問題,考慮人類視覺系統(tǒng)對(duì)圖像的認(rèn)知特性并且符合自然圖像分布規(guī)律的

2、數(shù)學(xué)模型能夠?yàn)閳D像處理和識(shí)別等提供更多的先驗(yàn)知識(shí),從而提高算法的處理效果。統(tǒng)計(jì)回歸模型能夠保護(hù)圖像結(jié)構(gòu)的二階統(tǒng)計(jì)量,具有良好的邊緣描述能力,符合人類視覺系統(tǒng)對(duì)圖像的認(rèn)知特性。因而,統(tǒng)計(jì)回歸理論及基于回歸模型的圖像處理技術(shù)在近年來(lái)獲得了廣泛的關(guān)注。本文中,我們提出了兩種基于自適應(yīng)回歸模型的圖像超分辨率算法,并探討了圖像超分辨率思想在圖像錯(cuò)誤隱藏和視頻編碼中的應(yīng)用。本文具體的研究?jī)?nèi)容分為四個(gè)部分:
　　首先,提出了一種新穎、高效的基于

3、正則化局部線性回歸的圖像超分辨率技術(shù)。所提出的算法是基于自適應(yīng)自回歸模型,在其中采用魯棒的移動(dòng)最小二乘法則取代傳統(tǒng)的普通最小二乘法則來(lái)設(shè)計(jì)目標(biāo)函數(shù),因而可以獲得對(duì)于統(tǒng)計(jì)異常量魯棒的插值器。為了保持解穩(wěn)定并避免過(guò)擬合,我們引入?2范式作為估計(jì)器復(fù)雜度懲罰。受近來(lái)基于流形的半監(jiān)督學(xué)習(xí)的啟發(fā),進(jìn)而顯式地考慮圖像內(nèi)在的流形結(jié)構(gòu),以同時(shí)利用已知和未知像素點(diǎn)中蘊(yùn)含的信息。特別的,將由未知點(diǎn)的邊緣概率密度函數(shù)所反映的圖像內(nèi)在幾何結(jié)構(gòu)作為額外的局部平滑

4、保持約束引入到目標(biāo)函數(shù)當(dāng)中。最終,最優(yōu)的插值模型參數(shù)可以通過(guò)求解一個(gè)凸最優(yōu)化問題獲得解析解。實(shí)驗(yàn)結(jié)果證明了所提出的算法取得了非常好的插值性能,特別是在邊緣結(jié)構(gòu)保持方面。
　　其次,提出了一種新穎、高效的基于局部和全局一致的直推回歸的插值算法。所提出的算法首先構(gòu)造一系列的局部插值模型,來(lái)預(yù)測(cè)所有樣本點(diǎn)的亮度值矢量,并且最小化預(yù)測(cè)誤差以保證在已知低分辨率樣本點(diǎn)上的預(yù)測(cè)值充分地接近真實(shí)值。然后,所有的局部鄰域誤差累加起來(lái)以反映所有樣本點(diǎn)

5、的全局一致性。最后,引入圖-拉普拉斯正則項(xiàng)來(lái)約束全局亮度值矢量的平滑性,這可以充分地利用已知和未知樣本點(diǎn)蘊(yùn)含的信息,并減弱由于訓(xùn)練樣本不充分所帶來(lái)的局部插值模型的不魯棒性。我們將這三部分融為一體,提出了一個(gè)統(tǒng)一的目標(biāo)函數(shù)來(lái)結(jié)合局部線性回歸的局部和全局誤差,已知低分辨率樣本點(diǎn)的預(yù)測(cè)誤差,以及流形正則化項(xiàng)。求解這個(gè)目標(biāo)函數(shù)可以形式化成一個(gè)凸最優(yōu)化問題,并可獲得解析解。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出的方法的有效性。
　　接下來(lái),探討了圖像超分辨率

6、的基本思想在圖像錯(cuò)誤隱藏中的應(yīng)用,提出了一種新穎、高效的多尺度圖像錯(cuò)誤隱藏算法。所提出的方法結(jié)合參數(shù)和非參數(shù)的貝葉斯回歸模型,漸進(jìn)的從粗尺度到細(xì)尺度恢復(fù)丟失的塊,并最終恢復(fù)圖像中丟失的邊緣和紋理結(jié)構(gòu)。一方面,在每個(gè)尺度內(nèi),使用非參數(shù)化回歸技術(shù)以利用尺度內(nèi)的相關(guān)性,在此這個(gè)過(guò)程中,圖像的非局部自相似特性用來(lái)提取有用的先驗(yàn)信息以恢復(fù)丟失的圖像塊。另一方面,參數(shù)化回歸技術(shù)用來(lái)顯式地建模尺度間的相關(guān)性,在此過(guò)程中,圖像的局部結(jié)構(gòu)規(guī)則化被充分地利

7、用以恢復(fù)尖銳的邊緣和主要的紋理結(jié)構(gòu)。所提出的方法通過(guò)多尺度金字塔形結(jié)構(gòu)來(lái)結(jié)合非參數(shù)和參數(shù)化回歸技術(shù)。實(shí)驗(yàn)結(jié)果證明了我們的方法取得了較之主流算法相當(dāng)甚至更好的性能。
　　最后,針對(duì)無(wú)線傳感器網(wǎng)絡(luò),提出了一種實(shí)用、高效的基于圖像超分辨率思想的多描述視頻編碼框架。所提出的框架滿足低碼率和低復(fù)雜度的約束,且具有一定的容錯(cuò)性能并且是標(biāo)準(zhǔn)兼容的,因而,非常適合于無(wú)線傳感器網(wǎng)絡(luò)環(huán)境下的視頻通信。在編碼端,視頻序列根據(jù)時(shí)域復(fù)用和空域自適應(yīng)下采樣生

8、成兩個(gè)子描述。這兩個(gè)子描述在時(shí)域方向是相互交織的,并且仍然保證方形的樣本網(wǎng)格結(jié)構(gòu)。因而,兩個(gè)子描述不需要修改現(xiàn)有標(biāo)準(zhǔn)的視頻編碼標(biāo)準(zhǔn)就可以獲得進(jìn)一步壓縮,以降低碼率。在解碼端,兩個(gè)子描述首先解碼,然后在另一個(gè)的幫助下重構(gòu)成原始的視頻序列。此過(guò)程可以形式化成受約束的最小二乘回歸問題,在其中根據(jù)不同的預(yù)測(cè)模式選擇二維或者三維的自回歸模型。通過(guò)這種方式,可以充分地利用時(shí)空域的相關(guān)性。實(shí)驗(yàn)結(jié)果證明,所提出的方案在低碼率時(shí)取得了比當(dāng)前主流編碼器更好