论文部分内容阅读
由于超分辨率技术能够提供高质量图像,因此它已被广泛地应用于视频、医学和公安系统等领域。该技术旨在通过一系列算法,用一张或多张低分辨率图像来重建出一张高分辨率图像。该方法不但增加了图像分辨率,还弥补了成本高、不易于实现等硬件方面的问题。本文在提高图像清晰度方面做出了相关的研究。本文研究的主要工作为下列3点：(1)基于卷积神经网络的图像超分辨率技术：我们采用全前馈的3层的卷积神经网络来进行图像超分辨率重建。它将先进行特征提取,再将低分辨率空间通过非线性映射层映射到高分辨率空间,最后聚合出高分辨率图像,从而实现了直接用学习的方式完成从低分辨率图像到高分辨率图像的端到端映射,并减少了算法前后的优化工作。本文通过实验,就其性能与运行速度做了权衡比较。(2)非锐化掩膜技术：对结果图进行非锐化掩膜处理,以对其图像进行增强。将重建图像与该图的通过低通滤波后的钝化模糊图像做差,以获得高频分量。再将高频分量的图像放大与重建图像叠加而产生一个边缘增强了的图像。(3)无参考图像评估标准：现有的超分辨率技术的图像评估标准皆为全参考图像评估标准。但实验表明,它们并不能真实地反映图像的质量。所以我们在本论文中再引入BIQI、NIQE、SSEQ这三种无参考图像评估指标。BIQI和SSEQ都是根据特征先用SVM识别图像中的每一种失真类型的概率；再用SVR计算图像在每一种失真类型之中对应的质量；最后用失真类型概率给对应的图像质量进行加权平均以求得最终图像质量。NIQE则是根据失真图像和自然图像的拟合参数之间的距离来衡量图像的质量。综上所述,本论文介绍了超分辨率重建技术,以引入无参考图像评估标准为突破口进行了研究,同时将非锐化掩膜增强技术作为后序的人眼视觉效果优化。实验表明,本论文的方法比起近年来的其他超分辨率技术,它不但有更为轻型结构,还有较快的运行速度,以及差不多或者更好的重建效果。以及非锐化掩膜图像增强技术增强了重建图像的轮廓,使重建图的细节更清晰,使得重建图像更符合视觉的要求。但我们做实验时发现,当待重建图出现较大噪声时,我们仍未能较好地去除噪声,视觉效果依然有待提高。