基於學習的圖像增強技術（簡體書）

《國家自然科學基金資助項目信息技術重點圖書：基於學習的圖像增強技術》是一本基於學習的圖像增強技術方面的論著，反映近年來該領域的最新研究進展。全書分為三個部分，第一部分介紹圖像的基本概念、圖像增強的一些基本方法和圖像插值技術；第二部分為基於學習的圖像分辨率增強技水，第三部分介紹了一種新的圖像增強技術——基於視覺美學學習的圖像質量評估和增強技術。

吳煒，男，博士，副教授。1994年9月至1998年7月就讀于天津大學，獲學士學位；2000年9月至2003年7月就讀于四川大學電子信息學院，獲碩士學位；2003年7月至今在四川大學電子信息學院任教；2008年7月在四川大學獲通信與信息系統博士學位；2009年10月至2010年10月在加拿大國家研究院從事為期一年的博士後研究。主要從事圖像處理、模式識別、機器學習等理論和技術研究，並擔任IEEETransactionsonInstrumentationandMeasurement、MachineVisionandApplica—tions、JournalofElectronicImaging等國際學術期刊的審稿人和美國JournalofPatternRecognitionResearch期刊的ProspectiveEditor，主持或參與並完成了包括聯合基於學習的超分辨率技術和多傳感器超分辨率技術在紅外圖像復原中的研究（國家自然科學基金：61271330）、計算光學切片顯微三維成像技術（國家自然科學基金：60372079）、視頻超分辨率重建關鍵技術研究（教育部重點項目資助：107094）、智能交通系統、景區門票“人票合一”驗證管理系統等多項縱向、橫向科研項目，在國內外重要刊物和會議上發表論文50餘篇（其中被SCI、EI收錄20餘篇）。

《基于學習的圖像增強技術》適合于通信與信息系統、信號處理、計算機應用、模式識別等相關專業的研究人員和研究生學習參考。

第一章圖像的基礎知識1.1圖像信號的基本概念1.1.1圖像的表示1.1.2圖像的數字化過程1.1.3數字圖像的基本類型1.1.4顏色模式1.1.5圖像分辨率1.2人眼的視覺原理1.2.1人眼結構1.2.2相對視敏度1.2.3明暗視覺1.2.4對比靈敏度1.2.5可見度閾值和馬赫帶效應1.3圖像質量的評估標準與方法參考文獻第二章常用圖像增強技術介紹2.1圖像增強概述2.2空域圖像增強2.2.1灰度變換2.2.2直方圖均衡2.2.3空域濾波2.3頻域圖像增強2.3.1頻域低通濾波器2.3.2頻域高通濾波器2.4圖像客觀評價算法2.4.1人眼視覺系統2.4.2歸一化灰度差2.4.3歸一化對比度2.4.4歸一化信息熵2.4.5視頻圖像質量客觀評價函數2.5本章小結參考文獻第三章圖像插值技術3.1圖像插值放大原理3.2傳統圖像插值算法及原理3.3基於邊緣的圖像插值算法3.4實驗結果與分析3.5本章小結參考文獻第四章超分辨率技術綜述4.1超分辨率的含義及應用4.2超分辨率技術的分類4.3成像模型4.4基於重建的超分辨率4.4.1頻域算法4.4.2空域算法4.5基於學習的超分辨率4.5.1最大後驗概率（MAP）框架下的基於學習的超分辨率理論4.5.2基於學習的超分辨率算法的類別4.6本章小結參考文獻第五章基於多分辨率塔式結構的人臉圖像超分辨率技術5.1基於學習的人臉超分辨率系統5.2幻覺臉技術的復原框架5.3圖像金字塔模型5.4多分辨率塔式結構算法5.4.1人臉高斯金字塔5.4.2人臉拉普拉斯金字塔5.4.3人臉特徵金字塔5.4.4多分辨率塔式結構算法總結5.5匹配復原過程5.5.1塔狀父結構5.5.2搜索匹配過程5.6算法描述5.7基於學習的超分辨率圖像的集成優化5.7.1超分辨率復原的貝葉斯框架5.7.2單目標優化算法5.8實驗結果與分析5.8.1多分辨率塔式結構算法實驗結果與分析5.8.2集成優化實驗結果與分析5.9本章小結參考文獻第六章基於Contourlet變換的人臉圖像超分辨率研究6.1Contourlet變換的基本理論6.1.1方向濾波器組6.1.2Contourlet變換的特性分析6.2基於Contourlet變換的人臉圖像超分辨率6.2.1特徵提取6.2.2匹配復原6.2.3算法描述6.3實驗結果與分析6.4本章小結參考文獻第七章基於改進的非下採樣Contourlet變換的人臉圖像超分辨率7.1非下採樣Contourlet變換7.1.1非下採樣金字塔7.1.2非下採樣方向濾波器組7.2改進的非下採樣Contourlet變換7.3算法實現7.4實驗結果與分析7.5本章小結參考文獻第八章基於馬爾可夫隨機場的超分辨率技術研究8.1馬爾可夫隨機場模型8.2特徵表示8.3基於馬爾可夫隨機場模型的超分辨率學習算法8.4實驗結果與分析8.5本章小結參考文獻第九章基於重構方法的超分辨率研究9.1基於主成分分析重構的超分辨率算法9.1.1基於整幅圖像的PCA重構算法9.1.2基於分塊的PCA重構算法9.2基於流形學習重構的算法9.2.1LLE算法的基本原理9.2.2基於流形學習的超分辨率基本原理9.2.3特徵提取9.2.4算法實現9.3實驗結果與分析9.4本章小結參考文獻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10.1概述10.1.1信號的稀疏表示及其研究現狀10.1.2信號稀疏性表示10.1.3超完備字典的基本概念10.2信號稀疏分解算法10.2.1引言10.2.2框架算法10.2.3匹配追蹤算法10.2.4最佳正交基算法10.2.5全域最優算法10.3超完備字典學習算法10.3.1常用的字典學習算法10.3.2超完備字典學習算法的比較10.4基於圖像稀疏表示的單幅圖像超分辨率算法10.4.1自訓練字典學習的算法框架10.4.2由粗到精的圖像放大過程10.4.3低分辨率和高分辨率超完備字典學習算法10.5實驗結果及分析10.5.1文本圖像放大實驗10.5.2與其他基於學習超分辨率算法對比10.5.3圖像特徵提取算法對重建效果的影響10.5.4目標放大倍數對重建效果的影響10.5.5超完備字典尺寸對本章算法的影響10.6本章小結參考文獻第十一章基於回歸方法的超分辨率圖像復原研究11.1支持向量回歸11.2核偏最小二乘法回歸11.2.1偏最小二乘法介紹11.2.2核偏最小二乘法11.3基於回歸方法的超分辨率復原的基本原理11.3.1超分辨率圖像復原原理11.3.2特徵表示11.3.3基於回歸的圖像超分辨率復原算法11.4基於支持向量回歸方法的實驗結果與分析11.4.1算法的性能11.4.2算法參數分析11.5基於核偏最小二乘法的超分辨率實驗結果與分析11.6本章小結參考文獻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12.1先驗模型12.1.1高斯金字塔12.1.2拉普拉斯金字塔12.1.3特徵金字塔12.2先驗模型復原過程12.2.1塔狀父結構12.2.2匹配復原12.2.3算法實現12.3先驗模型和測量模型12.4實驗結果及分析12.5本章小結參考文獻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13.1算法的基本原理13.2Contourlet係數塊結構13.3馬爾可夫模型13.4基於MRF模型和Cotourlet變換的超分辨率學習算法13.5實驗結果與分析13.6本章小結參考文獻第十四章基於視覺美學學習的圖像質量評估和增強14.1基於學習的美學14.1.1用戶調查14.1.2視覺美學特徵14.2重建照片，增強照片質量14.2.1算法Ⅰ優化對象位置14.2.2算法Ⅱ平衡視覺重量14.3實驗結果與分析14.4本章小結參考文獻

4.1超分辨率的含義及應用
早期的研究人員把估計一幅圖像在衍射極限之上的頻譜信息的方法稱為超分辨率技術，這是由于圖像獲取系統的退化傳遞函數通常都是低通濾波器，使得獲取的圖像頻譜在截止頻率以上的值為零，而傳統的圖像恢復技術只能將圖像復原到截止頻率處，對于截止頻率以上的信息則無能為力。早期的超分辨率技術是以解析延拓理論、信息疊加理論等作為理論支撐，試圖恢復截止頻率以上的信息。在這方面的工作主要是線性解卷積以及盲解卷積。
近年來，“超分辨率”一詞實際已經延拓了其早期的含義，目前它已經被較多地定義為將一幅或者多幅低分辨率圖像復原為一幅或者多幅高分辨率圖像的技術。它的根本目的是在不改變傳感器物理結構的前提下，通過單幅圖像或者一系列彼此間有亞像素偏移的連續圖像，利用圖像的先驗知識增加圖像的分辨率，最終實現以低成本獲取分辨率增強的圖像。超分辨率技術在醫學、遙感、視頻轉換和安全監控等領域都有著十分重要的應用，主要表現在：
1）醫學成像（CT、超聲波成像等）領域
利用超分辨率技術可判斷出病體（如腫瘤）的詳細情況和精確位置。病體的大小及位置等是醫學檢測中需要解決的核心問題。由于硬件設備及現有的成像技術限制，在某些方面還不能夠獲取足夠清晰的圖像，因此可以采用超分辨率技術來提高圖像質量，便于后續分析。
2）軍事遙感偵察領域
由于受到成像系統分辨率以及成像條件的限制，在采集軍事與氣象等遙感圖像時，很難獲取高清晰度的圖像。在不改變衛星圖像探測系統的前提下，可利用超分辨率技術，獲得高于系統實際分辨率的圖像觀測，提高對（軍事）目標的識別能力。
3）安全監控領域
通常在視頻監控等情況下獲取的人臉圖像分辨率較低，不能直接使用。為了更好地識別這些圖像，可以先采用基于學習的超分辨率技術對它們進行超分辨率放大，然后再進行人臉識別以及人臉表情分析等。
在某些敏感部門的安全監控系統中，在發生異常事件后，可對監控錄像中的可疑目標進行超分辨率復原，提高目標圖像的分辨率，從而為異常事件的處理提供重要線索，以利于計算機自動識別或者相關人員進行辨識。
4）視頻轉換領域
利用超分辨率技術可以將DTV（PAL）信號轉化為與HDTV分辨率一致的信號提高電視節目的清晰度和兼容性。