图像/视频的超分辨率复原【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

图像/视频的超分辨率复原PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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