论文部分内容阅读
随着数字时代的来临,支持4k甚至8k等超高分辨率的显示设备逐渐出现在人们的日常生活当中,人们对于高分辨率、高清晰度的多媒体服务需求也日益增多。受限于昂贵的采集设备、有限的数据带宽及稀缺的超高清视频资源等问题,人们通常不容易获得高质量的高分辨率图像或视频。图像超分辨技术能够以低成本的方式重建出比成像设备固有分辨率更高的图像,是图像处理领域中一个重要的研究方向,具有很高的实用价值。为了重建出高质量的超分辨图像,一种低复杂度而又高性能的图像超分辨算法显得尤为重要。基于边缘聚类的快速超分辨算法(SI算法)是样例学习方法的一种,可以实现放大倍数为2的单幅图像超分辨,该算法通过学习高低分辨率图像块之间的线性映射关系,直接将输入的低分辨率图像映射到高分辨率图像,不需要对图像进行重叠和平均操作,是一种快速而又有效的图像超分辨算法。本文基于SI算法进行研究,主要研究工作如下:(1)SI算法简单地采用基于图像水平和垂直方向上的边缘梯度对训练样本进行聚类,聚类结果比较粗糙。为解决该问题,本文提出了改进型算法,改进型算法在原有算法的基础上,设计了新型边缘特征提取方式,提取了更为丰富的图像边缘信息。针对图像特征向量,改进型算法采取有效的降维策略并结合K均值聚类方法,使得聚类结果更加精确。仿真实验表明,与SI算法相比,改进型算法有效地提高了重建图像的质量,在主客观评价指标上有更好的表现,并且保持了原算法计算复杂度较低的特点,适合硬件低功耗实现。(2)对改进型算法进行RTL级设计与仿真,并具体分析算法各模块的实现过程。通过对比改进型算法的硬件仿真结果与软件实现结果,验证了硬件仿真的准确性和可靠性。(3)针对SI算法在硬件系统中的实现进行研究,分别设计了小型高清相机系统与4k超高清相机系统。首先设计并实现了小型高清相机系统,具体介绍了相机系统电路的总体结构及关键器件电路;其次将SI算法应用于小型相机系统当中,基于该系统实现了800×600@60Hz的视频分辨率提升,产生1600x1200@60Hz的超分辨视频图像。最后,将改进型算法应用于4k超高清相机系统,提供了可以支持4k@30Hz视频输出的解决方案。