[论文解读] A novel super resolution reconstruction of low reoslution images progressively using dct and zonal filter based denoising

Liyakathunisa, C.N. Ravi Kumar|arXiv (Cornell University)|Feb 28, 2011

Advanced Image Processing Techniques参考文献 17被引用 4

一句话总结

本文提出了一种基于DCT的新型渐进式超分辨率重建方法，通过应用区域滤波器进行去噪和自适应插值，提升低分辨率、含噪和模糊图像的质量。该方法通过分块DCT编码低分辨率图像，在DCT域使用新型区域滤波器进行去噪，融合多帧图像，并逐步重建高分辨率图像，相比IBP、POCS和基于FFT的方法，在PSNR和ISNR指标上表现更优。

ABSTRACT

Due to the factors like processing power limitations and channel capabilities images are often down sampled and transmitted at low bit rates resulting in a low resolution compressed image. High resolution images can be reconstructed from several blurred, noisy and down sampled low resolution images using a computational process know as super resolution reconstruction. Super-resolution is the process of combining multiple aliased low-quality images to produce a high resolution, high-quality image. The problem of recovering a high resolution image progressively from a sequence of low resolution compressed images is considered. In this paper we propose a novel DCT based progressive image display algorithm by stressing on the encoding and decoding process. At the encoder we consider a set of low resolution images which are corrupted by additive white Gaussian noise and motion blur. The low resolution images are compressed using 8 by 8 blocks DCT and noise is filtered using our proposed novel zonal filter. Multiframe fusion is performed in order to obtain a single noise free image. At the decoder the image is reconstructed progressively by transmitting the coarser image first followed by the detail image. And finally a super resolution image is reconstructed by applying our proposed novel adaptive interpolation technique. We have performed both objective and subjective analysis of the reconstructed image, and the resultant image has better super resolution factor, and a higher ISNR and PSNR. A comparative study done with Iterative Back Projection (IBP) and Projection on to Convex Sets (POCS),Papoulis Grechberg, FFT based Super resolution Reconstruction shows that our method has out performed the previous contributions.

研究动机与目标

• 解决从多幅低分辨率、含噪和模糊图像中重建高分辨率图像的挑战。
• 通过减少重建流程中的噪声和模糊，提升图像质量。
• 实现从粗略到精细细节的渐进式图像质量传输。
• 通过基于DCT的编码和自适应插值，提升超分辨率性能。
• 在客观和主观评估中，优于IBP、POCS和基于FFT的超分辨率方法。

提出的方法

• 使用8×8分块离散余弦变换（DCT）对低分辨率图像进行压缩。
• 在编码器端应用一种新型区域滤波器，以抑制DCT域中的加性白高斯噪声。
• 通过多帧融合，从多幅低分辨率输入生成一幅单一的、无噪声的中间图像。
• 解码器逐步重建图像，首先传输低分辨率成分，随后传输高频细节成分。
• 在解码器端应用自适应插值技术，以重建最终的高分辨率图像。
• 该方法强调高效的编码与解码过程，以支持渐进式图像传输。

实验结果

研究问题

• RQ1 在超分辨率重建过程中，如何有效降低低分辨率图像中的噪声和模糊？
• RQ2 渐进式传输框架能否提升超分辨率图像重建的效率与质量？
• RQ3 与IBP和POCS等传统方法相比，所提出的基于DCT与区域滤波器的去噪方法在图像质量指标上表现如何？
• RQ4 自适应插值技术在多大程度上提升了最终的超分辨率输出质量？
• RQ5 所提出的方法在PSNR和ISNR指标上是否优于现有的基于FFT的超分辨率技术？

主要发现

• 所提出的方法相比传统技术实现了更高的超分辨率倍数。
• 重建图像表现出更优的ISNR和PSNR值，表明去噪效果和图像保真度更佳。
• 主观评估确认，与IBP和POCS相比，重建图像在视觉上更清晰、细节更丰富。
• 在客观和主观图像质量评估中，该方法优于迭代反投影（IBP）和凸集投影（POCS）。
• 与基于FFT的超分辨率方法对比分析表明，所提出方法在图像质量和重建精度方面表现更优。
• 渐进式传输框架实现了高效的图像质量传输，从低分辨率到高分辨率分量逐步呈现。