图像/视频的超分辨率复原PDF电子书下载

第一篇 基础知识 3

第1章 图像／视频基础知识 3

1.1 图像视频的数字化表示 3

1.1.1 二维采样定理 3

1.1.2 采样与量化 5

1.1.3 数字图像的数据量与表示 7

1.1.4 视频的数字化 8

1.2 彩色空间 8

1.2.1 彩色空间的视觉属性 8

1.2.2 RGB彩色空间 9

1.2.3 YCbCr彩色空间 9

1.2.4 ISH彩色空间 11

1.3 图像分辨率 12

1.4 图像显示 13

1.5 人眼视觉特性 14

1.5.1 人眼视觉系统的生理特性 14

1.5.2 人眼视觉特性 19

1.6 图像／视频质量评价 24

参考文献 25

第2章 图像缩放 26

2.1 图像缩放原理 26

2.2 几种传统的图像插值方法 27

2.3 插值方法的对比分析 47

参考文献 48

第3章 图像质量增强基本技术 50

3.1 概述 50

3.2 图像增强 51

3.2.1 灰度级映射变换 51

3.2.2 直方图变换 53

3.2.3 图像的平滑和去噪 55

3.2.4 图像的锐化 58

3.2.5 频域图像增强 60

3.2.6 同态图像增强方法 64

3.3 图像复原 65

3.3.1 图像退化的数学模型 66

3.3.2 无约束图像复原 68

3.3.3 有约束图像复原 70

参考文献 73

第4章 超分辨率复原技术 74

4.1 超分辨率复原技术的产生与发展 74

4.2 基于重建的超分辨率复原 75

4.3 基于学习的超分辨率复原 76

参考文献 76

第二篇 基于重建的超分辨率复原第5章 基于重建的图像超分辨率复原技术概述 76

5.1 概述 81

5.2 超分辨率复原的理论基础 82

5.2.1 观测模型 82

5.2.2 超分辨率复原的数学物理基础 82

5.3 基于重建的超分辨率复原算法概述 86

5.3.1 频域方法 86

5.3.2 空域方法 87

5.3.3 超分辨率复原算法性能评价 92

5.4 讨论 94

参考文献 94

第6章 凸集投影和最大后验概率估计 94

6.1 概述 97

6.2 运动估计方法 97

6.2.1 块匹配 98

6.2.2 分级块匹配运动估计及可信度验证 99

6.2.3 基于光流的运动估计 100

6.3 凸集投影算法 102

6.3.1 算法原理 102

6.3.2 执行过程 105

6.4 最大后验概率算法 105

6.4.1 算法描述 105

6.4.2 Huber-Markov先验模型 106

6.4.3 梯度下降最优化方法 108

6.5 算法性能测试与对比 109

6.5.1 模拟低分辨率视频序列 109

6.5.2 实际摄取的低分辨率视频序列 120

6.5.3 实验结果分析与讨论 123

6.6 彩色视频序列的超分辨率复原 124

6.6.1 颜色域分级块匹配运动估计 124

6.6.2 基于POCS的算法 126

6.6.3 基于MAP的算法 128

6.6.4 实验结果与讨论 129

6.7 讨论 133

参考文献 134

第7章 基于MRF模型的MAP图像超分辨率复原 134

7.1 概述 136

7.2 基于自适应MRF模型的MAP图像超分辨率复原 137

7.2.1 自适应MRF模型 137

7.2.2 基于自适应MRF模型的MAP图像超分辨率复原 141

7.2.3 性能测试与分析 142

7.3 一种基于MPIFS和自适应MRF模型的MAP图像超分辨率复原方法 147

7.3.1 分形编码技术概述 147

7.3.2 基于MPIFS的超分辨率复原 149

7.3.3 改进的MAP超分辨率复原方法 151

7.3.4 性能测试与分析 152

7.4 讨论 156

参考文献 156

第8章 基于梯度矢量流约束的图像超分辨率复原 156

8.1 概述 158

8.2 各向异性扩散模型与数字图像处理 159

8.2.1 扩散模型的物理背景 159

8.2.2 平均曲率流扩散模型 159

8.2.3 梯度矢量流场约束的扩散模型 161

8.3 基于梯度矢量流场约束的超分辨率复原算法 162

8.3.1 基于GVF约束的超分辨率复原算法 162

8.3.2 基于梯度矢量流场的图像边缘先验知识 163

8.3.3 高斯移动平均模型约束 165

8.3.4 基于梯度矢量流场约束的图像超分辨率复原步骤 166

8.4 性能测试与分析 166

8.5 讨论 169

参考文献 169

第9章 基于对象的监控视频超分辨率复原 169

9.1 基于对象的视频处理技术 172

9.1.1 视频对象的分割 172

9.1.2 视频对象的形状编码 173

9.2 基于对象的超分辨率复原算法框架 174

9.3 视频对象的检测与跟踪 175

9.3.1 背景模型的建立 176

9.3.2 目标检测与跟踪 179

9.4 视频对象的超分辨率复原算法 180

9.4.1 基于仿射模型的多尺度最小二乘块匹配方法 181

9.4.2 基于多尺度仿射块匹配的目标匹配与分割 184

9.4.3 LR模型约束的MAP算法 185

9.5 性能测试与分析 188

9.5.1 目标检测与跟踪 188

9.5.2 多尺度仿射块匹配 191

9.5.3 基于对象的超分辨率复原 193

参考文献 196

第10章 基于权值矩阵的超分辨率盲复原 196

10.1 图像的盲复原技术及其在超分辨率复原中的应用 199

10.1.1 图像盲复原 199

10.1.2 超分辨率盲复原 201

10.2 基于权值矩阵的超分辨率盲复原算法 201

10.2.1 观测模型的建立 202

10.2.2 最大后验概率（MAP）框架 203

10.2.3 交替最小化方法 205

10.3 实验结果 206

10.3.1 模拟图像序列测试 206

10.3.2 视频序列测试 209

10.4 讨论 211

参考文献 212

第11章 基于小波变换域的超分辨率复原 212

11.1 超分辨率问题的小波表征 214

11.2 小波系数的广义高斯模型 216

11.3 基于小波变换域超分辨率复原的求解过程 218

11.4 性能测试与分析 220

11.5 讨论 226

参考文献 227

第12章 基于单帧高分辨率图像的视频序列超分辨率复原 227

12.1 视频序列的超分辨率复原技术 229

12.1.1 静态批处理方法 230

12.1.2 动态自适应滤波 230

12.2 基于单帧高分辨率图像的视频序列超分辨率复原 231

12.2.1 算法概述 231

12.2.2 运动估计 232

12.2.3 高分辨率视频序列的重建 233

12.3 性能测试与分析 235

12.4 讨论 238

参考文献 238

第三篇 基于学习的超分辨率复原第13章 基于学习的超分辨率复原技术概述 238

13.1 概述 243

13.2 基于示例学习的算法 244

13.2.1 算法概述 244

13.2.2 学习模型 245

13.3 基于学习的人脸图像超分辨率复原 247

13.3.1 基于局部特征 247

13.3.2 基于全局特征 248

13.3.3 局部特征与全局特征相结合 249

13.4 讨论 250

参考文献 250

第14章 基于示例学习的超分辨率复原算法 250

14.1 概述 253

14.2 基于示例学习的超分辨率复原 253

14.2.1 样本库的建立 253

14.2.2 马尔可夫网络模型 254

14.2.3 匹配重建 256

14.2.4 性能测试与分析 257

14.3 基于预分类学习的超分辨率复原 260

14.3.1 算法原理 260

14.3.2 样本的纹理特征 261

14.3.3 基于纹理特征的样本预分类 262

14.3.4 高分辨率图像的生成 263

14.3.5 性能测试与分析 263

14.4 讨论 265

参考文献 266

第15章 基于多类预测器学习的超分辨率复原 266

15.1 概述 267

15.2 基于多类预测器学习的图像超分辨率复原 268

15.2.1 训练样本的产生 268

15.2.2 基于内容的样本分类 269

15.2.3 多类预测器的设计与训练 270

15.2.4 高分辨率图像的重建 271

15.3 多类预测学习算法性能测试与分析 273

15.3.1 训练样本集和测试图像集 274

15.3.2 自样本训练集 274

15.3.3 特定样本训练集 278

15.3.4 混合样本训练集 279

15.3.5 与分辨率间查找表算法对比实验 280

15.4 讨论 282

参考文献 282

第16章 基于学习的人脸图像超分辨率复原 282

16.1 概述 284

16.2 人脸的区域特性 285

16.3 基于方向自适应学习的人脸图像超分辨率复原 286

16.3.1 区域方向性分类 287

16.3.2 预测重建 288

16.3.3 性能测试与分析 288

16.4 基于区域分类预测学习的人脸图像超分辨率复原 290

16.4.1 区域内自适应的矢量量化分类 291

16.4.2 预测重建 292

16.4.3 性能测试与分析 292

16.5 讨论 296

参考文献 296

第17章 高动态范围图像可视化技术概述 296

第四篇 高动态范围显示 301

17.1 概述 301

17.2 图像的动态范围 302

17.3 高动态范围可视化研究进展 303

17.3.1 全局映射算法 303

17.3.2 局部映射算法 306

17.4 评价方式 308

17.4.1 主观心理实验法 309

17.4.2 局部对比度评价法 309

17.4.3 视觉差别法 311

17.5 讨论 312

参考文献 313

第18章 基于自适应细节增强的高动态范围图像可视化 313

18.1 概述 316

18.2 自适应高动态范围图像可视化算法 317

18.2.1 基本层与细节层的分解 317

18.2.2 基本层映射曲线和映射图 318

18.2.3 自适应细节层增强 319

18.2.4 最终映射及颜色处理 321

18.2.5 性能测试与分析 321

18.3 双边滤波器的快速算法 327

18.3.1 双边滤波器原理 327

18.3.2 积分图像及其性质 329

18.3.3 基于积分图像的快速空间滤波 330

18.3.4 基于积分图像的快速双边滤波器 332

18.3.5 性能测试与分析 333

18.4 讨论 335

参考文献 335

第五篇 超分辨率复原技术的发展趋势第19章 超分辨率复原技术的发展趋势 335

19.1 基于重建与基于学习的超分辨率复原技术的融合 339

19.2 压缩域超分辨率复原技术 341

19.3 时空超分辨率复原 342

19.4 HDR图像技术与超分辨率复原的融合 344

19.5 讨论 348

参考文献 348