基于学习的视频超分辨率重建算法研究及实现

【摘要】：超分辨率重建是采用软件方法对图像或者视频进行一系列的分析处理,提高图像或视频分辨率的一种数字图像处理技术。利用超分辨率重建技术能够在不升级现有采集设备的情况下,提高采集图像的分辨率;也能够在不增加传输信号带宽的情况下,改善图像或视频的画面质量。因此,超分辨率重建技术具有良好的研究价值和广泛的应用前景。本文就超分辨率重建技术进行研究,内容包括面向超分辨率重建的预处理技术、基于学习的超分辨率重建算法以及视频超分辨率重建演示系统的开发与实现。 在面向超分辨率重建的预处理技术方面,本文主要研究图像中混合高斯噪声的去除问题,提出一种自适应的混合高斯噪声去除算法。算法结合变换域和空间域思想,提出基于块和滤波的噪声参数估计方法,自适应的估计混合高斯噪声参数,然后利用估计得到的噪声参数进行图像去噪,将多幅去噪图像进行简单的数据融合,最终获得去噪图像。实验表明,所提算法很好地对混合高斯噪声参数进行了估计,去噪图像的主观效果良好。 在超分辨率重建算法研究方面,本文重点研究了基于流形学习的超分辨率重建算法,提出一种改进的基于邻域嵌入的快速超分辨率重建算法。算法在局部线性嵌入(Local Linear Embedding,LLE)的思想框架下,研究实现快速高效重建图像的方法。提出一种包括基于DCT系数的样本训练集分类方法、简单有效的高低分辨率特征抽取办法和自适应选择重建方法的超分辨率重建算法。实验表明,本文的超分辨率重建算法在提高重建质量的同时,大大提升了算法速度。 在视频超分辨率重建系统实现方面,本文基于DirectShow框架,设计和实现了一个演示系统。系统支持本地视频源、摄像头视频源,提供多种超分辨率重建方案,支持同时预览低分辨率视频和超分辨率重建视频,对比浏览插值重建视频和超分辨率重建视频,并可将超分辨率重建视频保存到本地硬盘。