超分辨率图像及视频序列重建中的算法研究

论文摘要

图像超分辨率重建技术是采用信号处理技术从单帧或多帧低分辨率图像序列重建出高分辨率质量图像的技术。它可以在一定程度上消除由于图像离散化和图像退化引起的空间时间分辨率下降的不利影响,弥补原有图像空间时间分辨率的不足,获得更加清晰的图像。图像超分辨率重建技术在遥感、军事、医学成像、公共安全等领域均有广阔的应用前景。本文围绕图像超分辨率重建技术研究了相关的单帧图像超分辨率重建算法、图像配准算法、视频图像序列超分辨率重建算法,以及在重建研究前一阶段对图像进行了噪声滤除预处理。具体而言,本文的主要研究内容包括以下几个方面:1.介绍了图像超分辨率重建理论;分析了图像及视频序列超分辨率重建问题的数学模型;展望了图像超分辨率重建的技术前景。2.噪声图像的预处理。超分辨率图像重建技术属于像素级图像融合领域,对失真退化图像直接进行融合必然导致图像噪声融入融合结果,为了取得较好的融合效果,在进行重建之前,本文首先对图像进行了噪声滤除预处理,为下一阶段的重建工作做准备。由于在实际的图像通讯系统和图像处理系统中,被引入的各种干扰和噪声大部分以加性噪声为主,所以本论文主要对椒盐噪声、高斯噪声的滤波方法进行了研究与应用。3.从插值技术和神经网络融合技术两方面提出了针对单帧图像的超分辨率重建。第一部分,本文在对前人提出的插值算法研究与分析的基础上,引入双通道插值的思想,利用两种不同的插值技术对图像不同区域进行处理,降低了整体运算量的同时保证了插值点的各方向最佳相关性,插值重建效果良好。第二部分,以高斯金字塔结构解码算法原理为基础,本文提出了基于SGNN融合技术的单帧图像超分辨率重建算法。该算法利用SGNN神经网络融合新的高频子图像,达到重建目的。4.视频序列超分辨率重建,主要围绕配准和重建算法而展开。第一部分,提出了基于六参数仿射模型的改进Keren算法。利用这种算法进行图像配准研究,以确定帧间亚像素位置关系,为超分辨率重建进行数学建模做准备。第二部分,进行视频序列超分辨率重建算法研究,并提出将LMS自适应滤波方法应用于存在数据“异常点”影响的视频图像序列超分辨率重建。该算法通过合理选择步长,消除“异常点”影响,使得重建效果更佳,并且算法具有鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.1.1 图像空间分辨率
• 1.1.2 图像超分辨率重建
• 1.2 图像与视频序列的降质模型与问题描述
• 1.3 图像及视频序列超分辨率重建的分类
• 1.4 国内外研究现状及研究方法综述
• 1.4.1 国内外研究现状
• 1.4.2 研究方法综述
• 1.5 技术应用前景
• 1.6 论文的主要内容和组织结构
• 1.6.1 论文的主要内容
• 1.6.2 论文的组织结构
• 第二章 噪声图像预处理
• 2.1 引言
• 2.2 基于双阈值加权滤波算法的椒盐噪声抑制
• 2.2.1 算法的基本思路
• 2.2.2 仿真实验及结果分析
• 2.3 基于改进自适应均值滤波与PCNN 相结合的高斯噪声的抑制
• 2.3.1 基于改进自适应滤波对强噪声点的滤波
• 2.3.2 基于PCNN 对弱噪声点的滤波
• 2.3.3 仿真实验及结果分析
• 2.4 本章小结
• 第三章 单帧图像超分辨率重建算法研究
• 3.1 前言
• 3.2 基于最佳相关边缘保持的双通道插值单帧图像超分辨率重建
• 3.2.1 图像插值
• 3.2.2 算法的提出与算法基本原理
• 3.2.3 平坦区域插值算法
• 3.2.4 基于最佳相关的边缘插值算
• 3.2.5 仿真实验及结果分析
• 3.3 基于SGNN 融合技术的单帧图像超分辨率重建
• 3.3.1 高斯金字塔解码重建算法原理
• 3.3.2 算法改进
• 3.3.3 基于SGNN 的高频子图像融合
• 3.3.4 仿真实验及结果分析
• 3.4 本章小结
• 第四章 视频图像序列超分辨率重建算法研究
• 4.1 前言
• 4.2 基于六参数仿射模型的改进Keren 算法图像配准技术研究
• 4.2.1 图像配准
• 4.2.2 仿射变换
• 4.2.3 Keren 亚像素图像配准算法原理
• 4.2.4 基于六参数仿射变换的改进Keren 算法
• 4.2.5 仿真实验与结果分析
• 4.3 基于 LMS 法则消除“异常点”影响的视频序列超分辨率重建算法研究
• 4.3.1 LMS-SRR 算法
• 4.3.2 消除“异常点”影响算法分析
• 4.3.3 步长的选择
• 4.3.4 仿真实验及结果分析
• 4.4 本章小结
• 第五章 总结与展望
• 参考文献
• 致谢
• 作者在攻读硕士期间发表的论文及获奖情况