基于插值和樣例的超分辨率圖像處理算法的研究.pdf

1、隨著科技的發(fā)展和人類社會的進步，人們對信息交流和處理的要求變得越來越高。受帶寬和存儲空間的限制，互聯(lián)網(wǎng)中的圖像很多是低分辨率(lowresolution，LR)的圖像。而利用圖像超分辨率處理技術(shù)，可以利用插值或樣例數(shù)據(jù)庫等方法，得到更清晰的高分辨率(high resolution，HR)圖像，以滿足人們對高分辨率圖像或高分辨率視頻的需求。當(dāng)然，超分辨率圖像處理的應(yīng)用不限于以上方面。圖像超分辨率重建技術(shù)可以在幾乎不增加成本和引進新設(shè)備的情

2、況下很好的對圖像進行處理，提高圖像分辨率。由此可見，超分辨率技術(shù)具有非常廣闊的發(fā)展前景。
　　圖像超分辨率重建已有的方法已經(jīng)取得了較好的成果。但通過深入研究發(fā)現(xiàn)，圖像的細(xì)節(jié)部分尤其是靠近邊緣的部分的重建效果較差，因此還有進一步研究和提高重建結(jié)果的空間。本論文在大量調(diào)研的基礎(chǔ)上，提出基于插值和樣例的超分辨率圖像處理的新算法，以更好地改善重建圖像的質(zhì)量。
　　首先，本論文對已有的超分辨率重建算法進行了回顧和說明與大致的分類，并對

3、每一類中每一種重建方法的研究現(xiàn)狀做了詳細(xì)的闡述和分析，其中著重說明了基于雙線性插值方法和基于樣例重建方法的優(yōu)點以及不足，為本文在此基礎(chǔ)上提出的改進算法奠定一定的理論上的基礎(chǔ)。
　　由于普通的雙線性插值的效果一般，本文針對此插值方法的不足之處，提出了基于邊緣檢測的雙線性插值的重建方法。首先，對低分辨率圖像利用Canny算子進行邊緣檢測并作二值化處理獲取圖像的邊緣位置的信息。然后，把不同的邊緣像素點所處的位置分為10種情況。在確定待插

4、值點相對于所對應(yīng)邊緣像素點的具體位置后，對邊緣上的點和非邊緣的點使用不同的權(quán)值進行重新插值。本算法通過MATLAB軟件實現(xiàn)后，利用了主客觀結(jié)合的方式進行評價，其中客觀評價主要選取峰值信噪比(PSNR)和特征相似度(SSIM)這兩種評價準(zhǔn)則。實驗數(shù)據(jù)顯示本文提出的改進算法相對于原始的插值方法性能上具有較明顯的改善。
　　針對原有基于樣例方法的塊效應(yīng)和一對多的不足之處，本論文提出了基于帶鄰邊樣例的超分辨率重建算法。該方法，首先在所提取

5、的LR圖像塊（樣例）的周圍增加鄰邊，也就是在此樣例的四個邊上分別加上分塊前該圖像塊在LR圖像相應(yīng)位置中的鄰邊信息，然后將加入鄰邊信息的樣例與相應(yīng)HR圖像塊存入訓(xùn)練庫中，這樣可以在超分辨率處理時提高匹配的準(zhǔn)確度，對于一幅新的圖像來說可以匹配出更相似的HR圖像塊，從而使得重建出的圖像效果更好。這里，利用均方根誤差(MSE)和平均特征相似度(MSSIM)兩種客觀評價方法來評價本論文提出新算法的性能。
　　綜上所述，本論文所提出的兩個新算