基于POCS的图像超分辨率重建算法研究

论文摘要

超分辨率图像重建属于图像复原的范畴,传统的图像复原只对一帧低分辨率图像进行处理,其包含图像信息有限,复原的图像质量也有限,影响实际的应用,而图像的超分辨率重建是将多幅彼此间存在相对运动、模糊、欠采样以及噪声污染的图像重建出一幅高分辨率图像。由于多幅低分辨率图像间包含不同的图像细节信息使得重建出比原始图像更高分辨率的图像成为可能。目前,研究者在不断寻求和探索关于超分辨率图像重建的数学模型、理论框架和高效的数值计算方法。本文在力求全面分析超分辨率重建技术的同时,特别对基于POCS的超分辨率重建算法进行了探索和研究,改进了POCS算法中参考帧的选取方法及运动估计算法,并给出了自己的研究观点和实验效果,具体归纳如下：（1）对超分辨率重建的频域和空间域两类算法进行了研究分析比较,同时主要对空间域中研究最多的两个方法POCS算法和MAP算法进行了研究比较,鉴于POCS算法理论相对简单、收敛速度较快,能较好满足视频序列图像重建的实时性要求,所以选POCS算法为本文的研究重点。（2）本文提出了改进的正方形-菱形搜索的运动估计算法,该算法保持了块匹配估计算法简单有效特征的同时,针对基于视频帧间的运动相对较小,最佳匹配点是在中心点周围的事实,改进了正方形-菱形搜索算法,首先用正方形大模板设定四个顶点,确定了匹配点后直接在匹配点周围采用小菱形模板搜索的策略,实验表明在运动估计准确度保证的前提下整个搜索速度比三步搜索法（TSS）、新三步搜索法（NTSS）、四步搜索法（FSS）、菱形搜索法（DS）和正方形-菱形搜索法（SDS）等块匹配估计都有不同程度的提高。（3）针对POCS算法对初始估计值依赖性较强这一缺点本文采用了基于分形和小波变换的插值法对参考帧进行插值的算法,该方法与双线性插值相比减弱了图像细节和边缘的模糊,从而使POCS算法的重建结果好于传统双线性插值后POCS的重建结果,并通过实验证明了本文算法的可行性以及有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 超分辨率重建的概念
• 1.2 图像的降质模型
• 1.3 课题的研究背景及意义
• 1.4 国内外研究现状
• 1.5 论文的主要研究内容及安排
• 第二章 超分辨率图像重建方法
• 2.1 频域重建法
• 2.2 空域重建法
• 2.2.1 非均匀空间样本内插法
• 2.2.2 迭代反向投影法
• 2.2.3 凸集投影算法（POCS）
• 2.2.4 基于概率论的图像重建法
• 2.2.5 混合MAP/POCS图像重建法
• 2.3 算法比较
• 2.3.1 频率域重建算法与空间域重建算法比较
• 2.3.2 MAP算法与POCS算法的比较
• 2.4 本章小结
• 第三章 块运动估计
• 3.1 运动估计的方法概述
• 3.2 块匹配估计法原理
• 3.3 块匹配运动估计方法
• 3.3.1 三步搜索法
• 3.3.2 新三步搜索法
• 3.3.3 四步搜索法
• 3.3.4 菱形搜索法
• 3.3.5 正方形-菱形搜索法
• 3.3.6 改进的正方形-菱形搜索法
• 3.4 实验结果比较与分析
• 3.5 本章小结
• 第四章 POCS算法及其改进算法的实现
• 4.1 构造参考帧
• 4.2 运动估计
• 4.3 参考帧的修正
• 4.4 改进的POCS算法
• 4.4.1 分形插值算法
• 4.4.2 小波变换的概念
• 4.4.3 基于分形和小波变换的图像插值算法的具体实现
• 4.5 本章小节
• 第五章 实验结果与分析
• 5.1 POCS重建中对其性能影响的因素
• 5.2 POCS算法与改进的POCS算法重建结果比较
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录A:攻读学位其间发表论文目录