基于圖模型的超分辨率圖像重建.pdf

1、空間分辨率是圖像質(zhì)量評(píng)價(jià)的一個(gè)重要指標(biāo)，然而在數(shù)字圖像的采集和處理過程中，有許多因素會(huì)導(dǎo)致圖像分辨率的下降，如：傳感器的形狀和尺寸、光學(xué)部件的性能、成像、傳輸存儲(chǔ)過程中產(chǎn)生的噪聲。又由于采用高密度的光學(xué)儀器和圖像傳感器提高圖像分辨率的方法在實(shí)際應(yīng)用中的成本難以接受，所以人們開始探討采用超分辨率圖像重建技術(shù)來提高圖像分辨率。所謂超分辨率圖像重建是指從單幅或序列低分辨率圖像中產(chǎn)生高分辨率圖像。由于該技術(shù)在視頻監(jiān)控安全領(lǐng)域、醫(yī)學(xué)成像、遙感等領(lǐng)

2、域都有十分廣泛的應(yīng)用前景，因此成為近年來計(jì)算機(jī)視覺和數(shù)字圖像處理領(lǐng)域中的一個(gè)研究熱點(diǎn)。本文研究了基于圖模型的超分辨率圖像重建算法并采用人臉圖像進(jìn)行了實(shí)驗(yàn)結(jié)果驗(yàn)證，主要研究了在馬爾科夫網(wǎng)絡(luò)下基于學(xué)習(xí)的超分辨率重建算法并提出自己的研究觀點(diǎn)和實(shí)驗(yàn)效果，具體內(nèi)容如下：
　　 ⑴研究基于馬爾科夫網(wǎng)絡(luò)的人臉圖像超分辨率方法。該方法利用馬爾科夫網(wǎng)絡(luò)能準(zhǔn)確地描述圖像的統(tǒng)計(jì)特征來建立圖像的馬爾科夫網(wǎng)絡(luò)模型，把訓(xùn)練集中的低分辨率圖像和相應(yīng)的高分辨率

3、圖像分成若干個(gè)圖像塊，每一個(gè)圖像塊對應(yīng)網(wǎng)絡(luò)模型中的一個(gè)結(jié)點(diǎn)，網(wǎng)絡(luò)參數(shù)從訓(xùn)練樣本中學(xué)習(xí)得到。同時(shí)馬爾科夫網(wǎng)絡(luò)的條件獨(dú)立性導(dǎo)致了可分解的后驗(yàn)概率，運(yùn)用貝葉斯信念傳播算法進(jìn)行迭代求解得出最優(yōu)解。實(shí)驗(yàn)證明，該方法能達(dá)到預(yù)期的效果，很好地保持人臉圖像的面部表情。
　　 ⑵通過對馬爾科夫網(wǎng)絡(luò)超分辨率算法的研究，總結(jié)出基于學(xué)習(xí)的超分辨率算法思想框架。該框架分為三步，即產(chǎn)生訓(xùn)練集-建立學(xué)習(xí)模型-求出最優(yōu)解。
　　 ⑶在馬爾科夫網(wǎng)絡(luò)學(xué)習(xí)框

4、架的基礎(chǔ)上，提出了基于K-means和改進(jìn)相容函數(shù)的超分辨率算法。馬爾科夫網(wǎng)絡(luò)參數(shù)同樣從訓(xùn)練樣本中學(xué)習(xí)得到，并由K-means聚類算法來計(jì)算其概率分布。該改進(jìn)算法的優(yōu)點(diǎn)在于，通過對訓(xùn)練樣本中的低分辨率圖像塊進(jìn)行K-means聚類可以大大減少計(jì)算開銷；同時(shí)利用K-means的聚類結(jié)果，提出了一種新的相容函數(shù)，減少了視覺上的突兀跳躍所造成的整幅圖像的不協(xié)調(diào)。實(shí)驗(yàn)結(jié)果表明，本文給出的超分辨率算法是可行的，并與同類Freeman算法相比能取得較