论文部分内容阅读
图像质量的好坏影响着获取到信息的准确性,同时也会影响获取信息量的高低,因此图像清晰度的高低直接影响到所获取的图像信息质量。高分辨率图像在许多应用中都有着重要的地位,所以提高图像分辨率的超分辨率算法已经变成图像处理领域的研究热点。与提高图像分辨率的硬件方法相比,图像超分辨率算法成本低、较易实现。由于图像超分辨率的优点,视频、医学和公安系统等领域开始利用其改善图像分辨率,得到高分辨率图像。本文对监控视频人脸图像进行处理,提高其分辨率,改善其视觉效果,做了以下工作:1.针对监控视频人脸图像存在的问题,本文提出了监控视频人脸图像清晰化技术。该技术包含改进的稀疏表示图像去噪方法和模糊理论和引导滤波器结合的图像增强方法。实验表明本文的清晰化技术不仅可以较好地去除噪声,还可以增强图像的色彩和细节信息,同时可以提升图像超分辨率算法的性能。在监控视频人脸图像清晰化技术中,本文对传统的基于稀疏表示的图像去噪算法进行改进,将噪声分量和细节分量分开,只对噪声分量进行去噪处理,从而尽可能多地保留图像细节信息。除此之外,本文提出了模糊理论和引导滤波器结合的图像增强方法,该方法可以改善监控视频人脸图像对比度低、色彩信息和细节分量不足的特点。2.改进基于卷积神经网络的图像超分辨率算法,采用FERET人脸数据库中的部分图像作为训练集,保证重建后的人脸图像轮廓清晰,纹理自然。使用反卷积层避免了对输入图像进行插值放大的预处理操作。使用多层特征映射层提取更高层次的图像特征,保证重建后的图像有更好的质量。本文算法处理后的图像具有更加丰富的边缘信息和更好的视觉效果,且本文算法更加适合于监控视频人脸图像。