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