论文部分内容阅读
图像和视频作为计算机科学领域的重要研究对象,近年来一直是研究热点。而随着图像和视频处理技术的迅速发展,对图像和视频质量提出了更高的要求,高分辨率图像和视频包含的细节更丰富,提供的信息更多。提高图像和视频的分辨率有两类方法:改善视频采集设备的硬件质量和通过超分辨率软件方法处理,而由于视频采集设备的传感器单元不能无止境的变小,并且需要承担高昂的费用,因此通常对图像和视频进行超分辨率处理得到高分辨率图像和视频。视频超分辨率技术是综合来自相同动态场景的多个低分辨率视频序列的信息,去重构一个高时空分辨率的视频序列的方法。视频超分辨率包括时间超分辨率和空间超分辨率。视频的时间超分辨率的目的就是要恢复这些丢失的时间上的细节信息,而视频空间超分辨率就是通常人们提到的图像和视频超分辨率复原。本文阐述了视频超分辨率技术发展历程和技术分类,并分析了已有超分辨率算法存在的优缺点。本文提出一种基于局部结构相似性的视频图像超分辨率算法,对于视频序列中的任意一帧图像,按照一定的规则选取视频中几帧作为待搜索帧,基于视频中存在对象的前后运动或者因为摄像机的推拉摇移的运动使得对象出现前后左右移动的现象,因此不同帧之间对象的分辨率就有了高低差别,利用较大对象所具有的细节补充图像中较小对象的信息,同时利用帧内与帧间图像局部结构相似性生成一系列的低分辨率图像,然后使用改进迭代反投影算法进行超分辨率重建,输出高分辨率图像。本文还对此算法运行的实验系统进行了详细的说明,包括系统中功能与模块设计,系统中用到的关键性技术。通过对超分辨率结果的分析,并与其他超分辨率方法获得的图像比较,发现此算法相对于其他算法具有更强的边缘和细节保持特性。