視頻超分辨率重建系統(tǒng)的研究與實現(xiàn).pdf

1、視頻具有生動形象和直觀表達的特點，是信息社會人們獲取有效信息資訊或視覺享受的主要載體。隨著技術的發(fā)展，高分辨率或超高清的視頻圖像是業(yè)界追求目標。視頻超分辨率技術是一種將低分辨率視頻圖像升采樣為高分辨率視頻圖像，并盡量恢復視頻幀已損失高頻細節(jié)信息的技術。改善圖像之間的配準精度是提高傳統(tǒng)的基于空域重建效果的關鍵;同時，超分辨率問題是一個病態(tài)問題，正則化約束項也是影響最優(yōu)解的關鍵因素;另外，通過機器學習來尋找低分辨率圖像塊和高分辨率圖像塊之間

2、關系的方法存在訓練難度大、超參數(shù)難以調整的問題。針對以上問題，結合圖像超分辨率技術，本文開展了以下研究工作:
　　1)提出一種AKAZE-ILDB(AKAZE-Improved LDB)圖像配準算法，估計出更為精準的幀間運動信息，為視頻圖像的重建打下了基礎。該算法基于AKAZE特征提取算法，提取兩幅圖像的特征，采用改進的局部差異二值描述子(LDB)來構建特征向量，使用漢明距離度量圖像特征相似度，估算圖像幀之間的運動矩陣，完成圖像配

3、準。
　　2)對增量式的視頻超分辨率重建方法進行改進。在完成配準之后，對低分辨率圖像幀進行重建融合，采用雙邊全變分正則化作為約束項求得最優(yōu)解;基于L1范式衡量降質后的高分辨率圖像和輸入低分辨率圖像之間的相似程度，即保真項;最小化保真項以及約束項來使得降質模型更加準確;最后使用滑動窗增量迭代的方法重建整個視頻。
　　3)提出一種改進卷積神經(jīng)網(wǎng)絡的視頻超分辨率模型。它是機器學習方法在超分辨率領域的一個應用，本文通過改進網(wǎng)絡結構和