面向场景监控的序列图像清晰化算法研究

论文摘要

近年来,场景监控在各个领域得到了广泛的应用,但由于天气、光照、摄像机运动、信号传输、成像系统自身限制等原因,给图像的清晰程度带来了影响。图像质量不可避免的降低,轻者表现为图像不干净,难于看清细节；重者表现为图像模糊不清,连概貌也看不出来,大大降低了监控系统的可用性。因此,序列图像的清晰化处理算法研究对场景监控系统具有重要意义。在查阅大量资料和进行多种方法实验的基础上,本文针对序列图像相邻帧中物体重复出现且变化不大及信息可相互弥补的特点,将图像配准方法与超分辨率重建算法相结合,提出了一种针对全局运动的序列图像清晰化处理新方法。通过对序列图像进行处理,可生成较原图像更为清晰的高分辨率图像。本文从视频监控系统影响图像质量的主要因素入手,分析了成像模型,对序列图像超分辨率重建涉及到的问题进行了深入探讨。针对全局运动的序列图像,引入互信息度作为图像配准的相似测度,结合Powell优化算法的一般思想,讨论了基于两者的图像配准方法。在此基础上,紧接着分析研究了POCS(凸集投影)超分辨率重建算法,并针对凸集投影算法收敛慢、去噪能力弱等特点,在估计初始值方面作了改进,采用中值综合的融合方法综合图像序列相关信息来重新估计初始估计帧,从而加强了图像清晰化和去噪效果。最后运用Matlab编写实验软件平台,进行算法验证,提高了研究效率,并分别对标准图像和真实监控图像进行实验,通过实验结果分析,证明了本文算法可行有效。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 场景监控图像清晰化研究的意义
• 1.2 图像处理发展概况及序列图像处理的特点
• 1.3 监控系统组成及对图像质量影响因素分析
• 1.3.1 视频监控系统组成
• 1.3.2 视频监控系统对图像清晰度影响因素
• 1.4 序列图像清晰化处理涉及的主要问题
• 1.5 本论文研究的主要问题和论文结构安排
• 第2章 问题描述与图像清晰化方法分析
• 2.1 成像模型及数学描述
• 2.2 图像超分辨率重建综述
• 2.2.1 理论基础
• 2.2.2 超分辨率算法概述
• 2.2.3 超分辨率重建中的关键问题分析
• 2.3 图像质量评价方法
• 2.3.1 主观评价方法
• 2.3.2 客观质量评价方法
• 2.4 本章小结
• 第3章 基于互信息度和修正Powell优化的图像配准算法
• 3.1 信息和互信息理论描述
• 3.1.1 信息理论
• 3.1.2 互信息度的定义与性质
• 3.1.3 互信息相似性测度
• 3.2 配准变换模型的建立与分析
• 3.3 Powell优化算法
• 3.3.1 优化算法概述与分析
• 3.3.2 Powell优化算法的实现
• 3.4 基于互信息度和修正Powell优化的图像配准算法
• 3.5 实验结果与分析
• 3.6 本章小结
• 第4章 基于初始值逼近的改进POCS超分辨率图像重建算法
• 4.1 概述
• 4.2 POCS算法的原理与实现
• 4.2.1 POCS算法原理及分析
• 4.2.2 常用的约束集及投影
• 4.2.3 POCS算法描述
• 4.3 基于初始值逼近的改进POCS算法与实现
• 4.3.1 初始值逼近方法分析
• 4.3.2 中值滤波边缘平滑
• 4.3.3 改进POCS算法的实现
• 4.4 本章小结
• 第5章 实验软件平台的建立与算法验证
• 5.1 图像清晰化算法实验软件的建立
• 5.1.1 软件开发环境
• 5.1.2 软件的设计与实现
• 5.2 标准图像实验结果
• 5.3 实际监控图像序列处理结果
• 5.4 实验结果分析
• 5.5 本章小结
• 第6章 结论及展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢