●第一章 圖像的基礎知識 1
1.1 圖像信號的基本概念 1
1.1.1 圖像的表示 1
1.1.2 圖像的數字化過程 2
1.1.3 數字圖像的基本類型 7
1.1.4 顏色模式 8
1.1.5 圖像分辨率 15
1.2 人眼的視覺原理 16
1.2.1 人眼結構 16
1.2.2 相對視敏度 18
1.2.3 明暗視覺 19
1.2.4 對比靈敏度 19
1.2.5 可見度閾值和馬赫帶效應 20
1.3 圖像質量的評估標準與方法 20
參考文獻 23
第二章 常用圖像增強技術介紹 25
2.1 圖像增強概述 25
2.2 空域圖像增強 25
2.2.1 灰度變換 25
2.2.2 直方圖均衡 28
2.2.3 空域濾波 29
2.3 頻域圖像增強 30
2.3.1 頻域低通濾波器 30
2.3.2 頻域高通濾波器 31
2.4 圖像客觀評價算法 31
2.4.1 人眼視覺繫統 31
2.4.2 歸一化灰度差 32
2.4.3 歸一化對比度 32
2.4.4 歸一化信息熵 32
2.4.5 視頻圖像質量客觀評價函數 33
2.5 本章小結 33
參考文獻 33
第三章 圖像插值技術 34
3.1 圖像插值放大原理 34
3.2 傳統圖像插值算法及原理 35
3.3 基於邊緣的圖像插值算法 38
3.4 實驗結果與分析 47
3.5 本章小結 51
參考文獻 52
第四章 超分辨率技術綜述 53
4.1 超分辨率的含義及應用 54
4.2 超分辨率技術的分類 55
4.3 成像模型 56
4.4 基於重建的超分辨率 57
4.4.1 頻域算法 58
4.4.2 空域算法 58
4.5 基於學習的超分辨率 60
4.5.1 優選後驗概率(MAP)框架下的基於學習的超分辨率理論 61
4.5.2 基於學習的超分辨率算法的類別 63
4.6 本章小結 65
參考文獻 66
第五章 基於多分辨率塔式結構的人臉圖像超分辨率技術 68
5.1 基於學習的人臉超分辨率繫統 68
5.2 幻覺臉技術的復原框架 69
5.3 圖像金字塔模型 70
5.4 多分辨率塔式結構算法 73
5.4.1 人臉高斯金字塔 74
5.4.2 人臉拉普拉斯金字塔 74
5.4.3 人臉特征金字塔 74
5.4.4 多分辨率塔式結構算法總結 76
5.5 匹配復原過程 76
5.5.1 塔狀父結構 77
5.5.2 搜索匹配過程 78
5.6 算法描述 79
5.7 基於學習的超分辨率圖像的集成優化 80
5.7.1 超分辨率復原的貝葉斯框架 80
5.7.2 單目標優化算法 81
5.8 實驗結果與分析 84
5.8.1 多分辨率塔式結構算法實驗結果與分析 84
5.8.2 集成優化實驗結果與分析 86
5.9 本章小結 87
參考文獻 88
第六章 基於Contourlet變換的人臉圖像超分辨率研究 89
6.1 Contourlet變換的基本理論 90
6.1.1 方向濾波器組 90
6.1.2 Contourlet變換的特性分析 93
6.2 基於Contourlet變換的人臉圖像超分辨率 95
6.2.1 特征提取 95
6.2.2 匹配復原 97
6.2.3 算法描述 98
6.3 實驗結果與分析 99
6.4 本章小結 101
參考文獻 102
第七章 基於改進的非下采樣Contourlet變換的人臉圖像超分辨率 103
7.1 非下采樣Contourlet變換 103
7.1.1 非下采樣金字塔 104
7.1.2 非下采樣方向濾波器組 105
7.2 改進的非下采樣Contourlet變換 106
7.3 算法實現 108
7.4 實驗結果與分析 109
7.5 本章小結 112
參考文獻 112
第八章 基於馬爾可夫隨機場的超分辨率技術研究 114
8.1 馬爾可夫隨機場模型 114
8.2 特征表示 117
8.3 基於馬爾可夫隨機場模型的超分辨率學習算法 118
8.4 實驗結果與分析 120
8.5 本章小結 123
參考文獻 123
第九章 基於重構方法的超分辨率研究 124
9.1 基於主成分分析重構的超分辨率算法 124
9.1.1 基於整幅圖像的PCA重構算法 126
9.1.2 基於分塊的PCA重構算法 126
9.2 基於流形學習重構的算法 127
9.2.1 LLE算法的基本原理 127
9.2.2 基於流形學習的超分辨率基本原理 129
9.2.3 特征提取 130
9.2.4 算法實現 131
9.3 實驗結果與分析 132
9.4 本章小結 137
參考文獻 137
第十章 基於超完備字典的圖像稀疏表示理論的超分辨率復原 138
10.1 概述 138
10.1.1 信號的稀疏表示及其研究現狀 138
10.1.2 信號稀疏性表示 139
10.1.3 超完備字典的基本概念 139
10.2 信號稀疏分解算法 140
10.2.1 引言 140
10.2.2 框架算法 141
10.2.3 匹配追蹤算法 141
10.2.4 很好正交基算法 142
10.2.5 全局很優算法 142
10.3 超完備字典學習算法 143
10.3.1 常用的字典學習算法 143
10.3.2 超完備字典學習算法的比較 145
10.4 基於圖像稀疏表示的單幅圖像超分辨率算法 147
10.4.1 自訓練字典學習的算法框架 148
10.4.2 由粗到精的圖像放大過程 150
10.4.3 低分辨率和高分辨率超完備字典學習算法 151
10.5 實驗結果及分析 152
10.5.1 文本圖像放大實驗 153
10.5.2 與其他基於學習超分辨率算法對比 154
10.5.3 圖像特征提取算法對重建效果的影響 156
10.5.4 目標放大倍數對重建效果的影響 157
10.5.5 超完備字典尺寸對本章算法的影響 158
10.6 本章小結 159
參考文獻 160
第十一章 基於回歸方法的超分辨率圖像復原研究 162
11.1 支持向量回歸 163
11.2 核偏最小二乘法回歸 164
11.2.1 偏最小二乘法介紹 165
11.2.2 核偏最小二乘法 166
11.3 基於回歸方法的超分辨率復原的基本原理 167
11.3.1 超分辨率圖像復原原理 167
11.3.2 特征表示 167
11.3.3 基於回歸的圖像超分辨率復原算法 169
11.4 基於支持向量回歸方法的實驗結果與分析 170
11.4.1 算法的性能 170
11.4.2 算法參數分析 173
11.5 基於核偏最小二乘法的超分辨率實驗結果與分析 174
11.6 本章小結 176
參考文獻 176
第十二章 基於多分辨率金字塔和LLE算法的人臉圖像超分辨率算法 178
12.1 先驗模型 178
12.1.1 高斯金字塔 178
12.1.2 拉普拉斯金字塔 178
12.1.3 特征金字塔 179
12.2 先驗模型復原過程 179
12.2.1 塔狀父結構 180
12.2.2 匹配復原 181
12.2.3 算法實現 181
12.3 先驗模型和測量模型 182
12.4 實驗結果及分析 183
12.5 本章小結 184
參考文獻 185
第十三章 基於馬爾可夫模型與Contourlet變換的圖像超分辨率復原算法 186
13.1 算法的基本原理 186
13.2 Contourlet繫數塊結構 187
13.3 馬爾可夫模型 188
13.4 基於MRF模型和Cotourlet變換的超分辨率學習算法 190
13.5 實驗結果與分析 192
13.6 本章小結 199
參考文獻 199
第十四章 基於視覺美學學習的圖像質量評估和增強 200
14.1 基於學習的美學 202
14.1.1 用戶調查 202
14.1.2 視覺美學特征 203
14.2 重建照片,增強照片質量 204
14.2.1 算法Ⅰ 優化對像位置 205
14.2.2 算法Ⅱ 平衡視覺重量 206
14.3 實驗結果與分析 207
14.4 本章小結 209
參考文獻 209