面向低质量视频的目标对象的超分辨率重建技术研究

【摘要】：随着科学技术的发展,越来越多的智能技术应用到日常生活中。人们对图像获取设备的分辨率要求也越来越高。高分辨率图像能够提供目标的更多细节信息,对于图像的分析和处理有重要作用。目前有些智能手机的摄像头分辨率达到壹千万像素以上。但是在某些应用场合,由于光线物理器件、处理器性能、网络传输带宽或存储设备容量的限制,获取到的图像的分辨率往往是较低的。如果采取硬件更新的方法来提高分辨率会大大增加成本,因此如何在不更新硬件设施的情况下提高图像的分辨率逐渐成为研究的重点。视频监控系统是利用视频技术探测、监视设防区域并实时显示、记录现场图像的电子系统或网。通常获取的视频的质量较低,而且数据量大。因此利用目标分割技术,将视频中感兴趣的目标提取出来,再利用连续多帧的目标图像进行超分辨率重建,提高目标的分辨率。可以有效的减少对系统的分析时间和提高目标的可分辨能力。本文对视频监控系统中的图像增强,目标分割,目标超分辨率重建等关键问题进行了研究,并取得了一些研究成果。主要工作和研究成果如下:1.提出了一种自适应图像质量增强算法。视频中图像一般含有大量噪声和光线不均问题。该算法可以有效的自适应调整处理这两种情况。2.提出了一种基于LBP特征的codebook背景建模目标分割算法,可有效的增强算法在动态背景下的适应能力。3.提出了一种基于非局部的POCS超分辨率图像重建算法。传统的POCS算法都是围绕在如何取合适的PSF(点扩散函数),如何获得更好的插值放大图作为初始高分辨率图。本文算法引入图像的局部结构块相似性先验信息,对每次重建的结果进行约束优化。对合成图像和真实视频序列的仿真结果表明,该算法可以有效锐化图像边缘,并提高图像的视觉感观。
【关键词】：视频 图像质量增强 目标分割 超分辨率重建 codebook算法 POCS(凸集投影) 非局部均值滤波
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.41