学位论文 > 优秀研究生学位论文题录展示

基于样例的图像画质增强

作　者: 郑如刚
导　师: 马利庄
学　校: 上海交通大学
专　业: 计算机应用技术
关键词: 图像编辑基于样例超分辨率画质调整
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 23次
引　用: 0次
阅　读: 论文下载

内容摘要

随着各种数字媒体技术日渐发展,各种先进的媒体采集设备得到普及。无论是专业的动画,影视制作企业,还是数量众多的非专业用户,人们都希望能够对自己拍摄或者制作的媒体素材进行各种进一步编辑处理。这些用户在从效果和效率上根据不同的情况,产生了更多,更具体的优化需求,这对各种后期处理工具无疑是一个大挑战,其中之一就是图像的画质增强。随着高清电视,高清投影仪等显示设备的普及带来了大量高像素的屏幕,一般分辨率的图像需要一定的调整,才能够较好地显示在此类设备上。在一些网络速度或者存储容量受到限制的情况下,图像不得不经过压缩再进行传输。如果能够增强这些质量有限的媒体信息,这样的解码技术也是非常有市场前景的。另外相关的应用方向还有卫星成像,电子地图的缩放,医疗的辅助,电影的后期特效等等。所有这些相关的应用前景都对图像以及视频的画质像素增强,也就是超分辨率技术的发展产生了极大的促进。本文受到样例纹理合成相关技术的启发,即使用一系列样例来辅助画质调整的过程。这些具有代表性的样例能够提供待处理的源图像之外的附加信息,样例图像的选定可以由用户指定,也直接根据源图像自似性从其本身采集。接下来,为了提升原图像的画质,需要从样例图像中挑选吻合相似性并且清晰度更高的纹理元素来匹配并替换原图中的区域。另外,样例图像之间的关系也可以不是等比例的,如果提供合适的层次与拓扑关系的样例序列,用这些信息来改进,就可以获得更加效果更好的后期处理效果。本文主要利用自身或者额外的样例图来提升媒体素材的质量。与传统的方法相比,关键在于引入额外的高频信息。充分利用这些具有一定层次结构的样例信息,就能够进一步提升放大倍数,优化图像放大后的效果。在算法中结合了上采样与纹理合成的优点,并通过加入随机扰动来获得更好的合成效果。此外,本文还使用GPU并行加速算法关键步骤的运算过程,使用户能在较短的时间内获得优化结果。

全文目录

摘要  3-5
ABSTRACT  5-9
第一章引言  9-14
  1.1 论文研究背景  9-11
  1.2 研究目标及实现方法  11-12
  1.3 本文工作的创新点  12
  1.4 论文组织结构  12-13
  1.5 本章小结  13-14
第二章超分辨率技术概述  14-27
  2.1 问题的提出  14-15
  2.2 多分辨率处理  15-17
  2.3 单图超分辨率技术  17-21
  2.4 多图超分辨率技术  21-26
    2.4.1 观测模型  21-22
    2.4.2 帧间图像的配准  22-24
    2.4.3 超分辨率图像的重建  24-26
  2.5 本章小结  26-27
第三章相关技术的研究现状  27-37
  3.1 基于样例的合成技术  27-32
    3.1.1 上采样的方法  27-29
    3.1.2 纹理合成的方法  29-32
  3.2 GPU 并行加速原理与相关应用介绍  32-36
    3.2.1 GPU 并行计算的相关背景  32-33
    3.2.2 CUDA 程序结构与并行优化  33-34
    3.2.3 核函数与线程组织结构  34-35
    3.2.4 相关应用  35-36
  3.3 本章小结  36-37
第四章基于样例的画质增强方法  37-58
  4.1 算法流程  37-39
  4.2 样例的预处理  39-44
    4.2.1 样例间的结构关系  39-40
    4.2.2 样例图片处理  40-42
    4.2.3 样例高斯栈  42-44
  4.3 多尺度纹理合成  44-49
    4.3.1 上采样  45-46
    4.3.2 纹理扰动  46-47
    4.3.3 纹理修正  47-49
  4.4 算法优化与GPU 并行加速  49-53
    4.4.1 超级样例  49-51
    4.4.2 主成分分析（PCA）  51-53
  4.5 实验结果  53-57
  4.6 本章小结  57-58
第五章全文总结  58-60
  5.1 本文工作总结  58-59
  5.2 研究展望  59-60
参考文献  60-63
致谢  63-65
攻读硕士学位期间已发表或录用的论文  65-67

基于样例的图像画质增强

内容摘要

全文目录

相似论文