基于混合MAP/POCS的序列图像超分辨率重建算法研究

论文摘要

随着人们对图像分辨率要求的提高,图像超分辨率重建技术应运而生。图像超分辨率重建技术就是模糊、形变、有噪的降质低分辨率图像中重建出一帧高质量的高分辨率图像。该技术应用于公共安全领域、数字电视领域、军事遥感领域、医学领域等,它已成为现阶段图像处理领域热点的研究课题之一一般的图像超分辨率重建包括图像配准、插值和去除模糊和噪声。本文在两种主流的空域图像超分辨率重建算法研究的基础上,对混合MAP/POCS算法进一步改进,主要工作总结如下：首先,介绍了图像超分辨率重建的应用领域、国内外研究动态以及发展方向,并针对图像超分辨率重建过程中两个重要的环节进行研究—图像配准和重建算法。着重研究了keren亚像素级图像配准算法,并将其与现有的空域图像重建方法结合在一起,应用在由视频获取的序列图像超分辨率重建中。其次,对空域图像重建算法中两种主流的算法MAP和POCS深入研究,对比其优缺点,并对混合MAP/POCS重建方法进行研究。再次,POCS算法和MAP算法各自特点的互补性在一定程度上可以抑制对方的缺点,但现有的混合算法的缺点仍然还是存在的,因此针对现有混合MAP/POCS算法边缘和细节保持能力的不足,在图像超分辨率重建过程中,对插值后的图像边缘进行修正,然后再进行重建；在建立目标方程的过程中,引入拉普拉斯-高斯混合先验信息作为惩罚算子来约束高分辨率图像。最后,编程实现POCS、MAP、混合MAP/POCS以及本文改进的混合MAP/POCS算法。为了验证本文改进算法的有效性,对多组降质图像进行超分辨率重建。实验表明,对模拟的降质图像和实拍视频获取的图像,改进的算法都可获得比较明显的重建效果。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 图像超分辨率重建的概念
• 1.2 图像降质模型
• 1.3 图像超分辨率重建研究的背景及意义
• 1.4 图像超分辨率重建国内外研究动态
• 1.4.1 频域方法
• 1.4.2 空域方法
• 1.5 论文的主要研究及安排
• 第二章 图像配准
• 2.1 图像配准原理
• 2.2 常用的图像配准算法
• 2.3 亚像素级配准
• 2.4 KEREN配准算法
• 2.4.1 keren配准算法原理
• 2.4.2 keren配准算法主要步骤和流程图
• 2.4.3 实验结果
• 2.5 本章小结
• 第三章 POCS和MAP图像超分辨率重建算法研究
• 3.1 POCS算法研究
• 3.1.1 POCS算法原理
• 3.1.2 POCS算法实现步骤及流程图
• 3.2 MAP算法研究
• 3.2.1 MAP算法原理
• 3.2.2 MAP先验模型
• 3.2.3 基于MAP的图像超分辨率重建
• 3.3 MAP算法和POCS算法的比较
• 3.4 本章小结
• 第四章 混合MAP/POCS重建算法及其改进
• 4.1 图像超分辨率重建质量评价
• 4.1.1 主观评价标准
• 4.1.2 客观评价标准
• 4.2 混合MAP/POCS算法原理
• 4.3 现有改进的混合MAP/POCS算法
• 4.3.1 现有改进的混合MAP/POCS算法原理
• 4.3.2 现有改进的混合MAP/POCS算法的实现步骤
• 4.4 本文改进的混合MAP/POCS算法
• 4.4.1 本文改进的混合MAP/POCS算法的实现
• 4.4.2 基于边缘修正的插值算法
• 4.4.3 拉普拉斯-高斯混合模型
• 4.5 算法改进前后的性能对比
• 4.6 本章小结
• 第五章 算法的实现与实验结果分析
• 5.1 算法实现与结果分析
• 5.1.1 实验一
• 5.1.2 实验二
• 5.1.3 实验三
• 5.2 本章小结
• 第六章 总结和展望
• 6.1 工作总结
• 6.2 技术展望
• 致谢
• 参考文献
• 攻读学位其间发表论文目录