论文部分内容阅读
本文主要研究了图像重构的相关问题,包括图像插值、图像超分辨以及图像去块。本文针对图像超分辨问题和图像去块问题做了三个方面的工作,包括基于非局部残差增强的图像插值方法,基于字典学习和非局部总变差的图像超分辨方法以及基于字典学习和非局部总变差的高压缩率图像去块。传统的图像插值通常只利用局部信息进行图像插值,然而在插值过程中,高频信息的丢失通常导致图像过平滑现象和模糊效应。针对上述问题,提出了基于非局部残差增强图像插值方法。在该方法中,引入非局部的思想,利用非局部信息来补偿丢失的高频信息。本方法可以获得良好的差值结果,不仅补偿了高频信息获得了清晰的超分辨结果,而且得到更自然的图像和视觉效果。针对传统字典学习的缺点,提出了一种基于字典学习和非局部总变差的图像超分辨算法。该方法中,首先利用输入的低分辨图像和低分辨字典求得稀疏系数,其次利用高分辨字典和稀疏系数重构出高分辨图像,最后利用非局部总变差进行去振铃效应并对高分辨图像的边缘进行补偿。实验结果表明,本文的方法优于一些经典的图像超分辨方法。基于工作二的算法框架,对高压缩率的图像进行去块效应。该工作利用一个通用的去块字典和非局部总变差实现图像的无伪影图像去块,首先利用去块字典除去大部分的块效应,其次利用非局部总变差对图像的边缘进行去块效应,以获得边缘清晰的重构图像。实验结果表明,本文的方法可以得到较好的去块效应结果。