[00529346]基于重构的复杂运动视频超分辨率重建

　　该课题主要研究复杂运动条件下的视频图像超分辨率重建算法。它通过对低分辨率视频序列进行超分辨率重建，输出分辨率更高、细节更丰富的重建图像。主要研究成果如下：

　　1.提出了一种鲁棒的基于矩阵填充的视频超分辨率重建算法：该算法充分利用视频在时域和空域上的冗余信息，提取多尺度非局部相似图像块进行匹配，进而很好地保留图像边缘。该方法在匹配阶段通过剔除外点，降低误匹配对重建带来的影响；使用ADMM求解低秩矩阵，使用低秩矩阵前n列进行加权融合，获得清晰度更高的高分辨率图像块。实验表明：该算法能够有效的对具有复杂运动的视频进行超分辨率重建。但是由于矩阵填充受到观测点数量的影响，该算法对图像放大倍数有限制。

　　2.提出一种基于卷积神经网的单幅图像超分辨率重建算法：该算法使用固定3X3的卷积核提取梯度信息；采用深度为6层的卷积神经网提取图像特征，重建出边缘更清晰的图像，并在一定程度上抑制了边缘的振铃效应；使用更大的样本库进行训练，避免发生过拟合。实

　　验结果表明：在ImageNet这类大训练库上，该算法重建的高分辨率图像在主观视觉感受和客观图像质量评价上都有更好的表现。

　　3.针对超分辨率重建中的图像特征配准问题：提出带描述子的Harris角点特征配准和改进的图形上下文匹配等算法等。这些方法能有效提高低分辨率图像的配准效果，进而提高图像超分辨率重建的效果。