为解决监控视频分辨率不足的问题,在视频流体模型的基础上,提出一种图像超分辨率重建方法。视频流体模型记录了视频对象的整体区域,及区域内各像素的时域对应关系,利用流体区域在不同时刻的像素值进行滤波和拼接,达到去噪、扩展分辨率...为解决监控视频分辨率不足的问题,在视频流体模型的基础上,提出一种图像超分辨率重建方法。视频流体模型记录了视频对象的整体区域,及区域内各像素的时域对应关系,利用流体区域在不同时刻的像素值进行滤波和拼接,达到去噪、扩展分辨率的目的,基于等色线构建视频流体模型,使用视频流体模型实现去噪,以起始帧作为参考图像,并依次在各帧中选择补入流纹,根据补入流纹的相邻流纹计算补入流纹在初始帧的位置,如果所得位置非整数,对参考图像插值拉伸,采用补入流纹中的值代替相关坐标的像素值。实验结果表明,将添加噪声的CIF格式视频重建到2CIF格式,该方法的重建结果比最大后验估计与投影方法、梯度投影等方法的峰值信噪比提高1 d B^4 d B。展开更多
文摘为解决监控视频分辨率不足的问题,在视频流体模型的基础上,提出一种图像超分辨率重建方法。视频流体模型记录了视频对象的整体区域,及区域内各像素的时域对应关系,利用流体区域在不同时刻的像素值进行滤波和拼接,达到去噪、扩展分辨率的目的,基于等色线构建视频流体模型,使用视频流体模型实现去噪,以起始帧作为参考图像,并依次在各帧中选择补入流纹,根据补入流纹的相邻流纹计算补入流纹在初始帧的位置,如果所得位置非整数,对参考图像插值拉伸,采用补入流纹中的值代替相关坐标的像素值。实验结果表明,将添加噪声的CIF格式视频重建到2CIF格式,该方法的重建结果比最大后验估计与投影方法、梯度投影等方法的峰值信噪比提高1 d B^4 d B。
