研究目的
利用估计的视差信息来缩小超分辨率处理中的匹配区域,从而提高全光?。↙F)图像的空间分辨率。
研究成果
所提出的LFBMSR方法在性能上超越了所有对比的最先进方法:对于"数字"和"玩具"图像,在MISR总体平均PSNR指标上分别实现了最高达1.06分贝和0.97分贝的提升,SSIM指标分别为0.0108和0.0029;对于"骑士"图像则达到0.90和0.0109。该方法通过在所有视点中搜索最佳相似块,并采用LFHYSR方法对最终图像进行超分辨率重建来实现这一效果。
研究不足
该研究提到在实施过程中增大窗口尺寸时遇到一个错误,通过将窗口尺寸设置为±7像素得以解决。最初使用的深度估计方法过于随机,导致因遮挡而产生块匹配混乱。
1:实验设计与方法选择:
本研究提出一种新颖的超分辨率技术,通过利用估计的视差信息来减少超分辨率过程中的匹配区域。该方法结合了方向自适应图像插值技术,以保持高分辨率图像的清晰度。
2:样本选择与数据来源:
使用光场相机获取的真实数据(原始图像)及斯坦福大学的数据,将图像重建为9×9视点(VPs)大小。
3:实验设备与材料清单:
光场相机,Matlab(R2014b)实验环境。
4:实验步骤与操作流程:
该方法包括两个步骤:对每个视点应用图像插值技术以4×4倍因子提升空间分辨率,以及从这些高分辨率图像中估计视差信息以促进块匹配超分辨率。
5:数据分析方法:
通过从低分辨率(LR)图像创建真实图像来衡量该方法的质量,并通过峰值信噪比(PSNR)和结构相似性(SSIM)进行评估。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容