论文部分内容阅读
图像是人们生活中最常用的信息载体之一,人们所得信息的70%都来自图像。然而随着互联网及信息技术的发展,多媒体相关业务不断涌现,人们对图像和视频的需求越来越大,要求越来越高。在获取信息的过程中,由于成像器件以及成像方式的限制,实际采集到的图像大多存在模糊、噪声、伪影等现象,这不仅对视觉效果产生很大影响,也给后续的图像分类、识别、分析和理解工作带来巨大困难。因此,提高图像的分辨率显得尤为重要。提高图像分辨率的方法有硬件方法和软件方法。通过改善成像系统的硬件性能来提高图像分辨率的方法成本较高、局限较大。相对而言,软件方法即图像超分辨重建技术方式灵活、成本较低。本文主要利用回归的思想,从邻域的选择、偏差矩阵的学习、映射关系的估计以及全局回归矩阵的学习等方面,对基于实例的超分辨重建方法进行了深入研究,主要成果如下:(1)研究了一种基于偏差学习的图像超分辨重建方法。图像超分辨重建是一个高度不适定问题,在进行超分辨重建时,一个低分辨图像可能会与多个高分辨图像相对应。该问题可以通过高分辨特征空间和低分辨特征空间之间的一个投影矩阵来解决。然而,由投影矩阵映射得到的高分辨图像与原始图像之间存在着一个高频细节差,影响了重建结果的质量。为了解决这一问题,本文研究了一种基于偏差学习的图像超分辨重建方法。该方法通过学习高频误差与低分辨图像之间的关系,计算一个偏差映射矩阵,最后利用投影矩阵和偏差矩阵共同来重建高分辨图像。这样不仅丰富了重建图像的高频细节信息,还改善了图像的视觉效果。(2)研究了一种基于全局回归的图像超分辨重建方法。由高分辨特征空间和低分辨特征空间得到的投影矩阵是用图像块的局部邻域计算得到的,它仅仅考虑了图像块的局部信息,忽略了全局信息对重建图像的贡献,不利于生成逼真的纹理细节。为了解决该问题,本文研究了一种基于全局回归的图像超分辨重建方法。该方法利用图像块所在数据集的全局信息来增加图像的细节信息,最后将局部信息与全局信息相结合重建出高质量的高分辨图像。(3)通过实验证明了研究的两种基于实例的超分辨重建方法的有效性,并通过参数实验对比选取了适合每种方法的最佳参数。与近几年较先进的方法相比,本文方法在一定程度上提高了客观质量评价指标,所重建图像具有更好的视觉效果。(4)将研究的两种基于实例的超分辨重建方法有效应用到PCB板缺陷检测中。即在缺陷检测之前,用研究的基于实例的超分辨重建方法对PCB图像进行处理,得到高质量、视觉效果好的PCB图像,然后检测其短路、断路、凸起、凹陷、空洞等缺陷。