超分辨率图像重构算法的研究

论文摘要

超分辨率图像重构的目的在于复原截止频率之外的信息,以使图像获得更多的细节和信息。在传统的图像复原问题中,只有一帧输入图像。超分辨率图像重构的概念可以简单的理解为利用一组低分辨率的图像序列重构出一帧(或多帧)较高分辨率图像。对于一段场景变换不大的图像序列来说,这一组图像具有相似但不完全相同的信息,使重构成为可能。目前,超分辨率重构技术在遥感、军事、公共安全、计算机视觉、医学成像、多媒体电子消费,图像压缩等领域得到了广泛应用。正因为如此,超分辨率图像重构近年来已成为国际上图像复原领域最为活跃的研究课题,国内对超分辨率重构技术的研究起步较晚,但这一技术在近几年也逐渐成为一个新的研究热点。本文首先对超分辨率图像重构的发展历程和超分辨率图像重构的频域及空域的各种算法进行了介绍,并分析和比较了各种算法的优缺点。观测模型的建立和图像配准(运动估计)是超分辨率图像重构的关键环节。因此,本文接着建立了超分辨率图像成像的观测模型,对图像配准的原理、分类以及具体方法进行详细的介绍并在MATLAB6.1平台上对基于图像灰度的图像配准和傅立叶图像配准方法进行实验,比较分析两种方法的优缺点。本文然后重点介绍了图像插值技术,我们主要讨论了三种常用的插值方法(最邻近点插值、线性插值和三次插值),并比较了各自对应MATLAB仿真重建结果,得出使用三次插值方法得到的重建结果的质量优于其他两种方法。本文最后重点对迭代反投影方法的原理,实现方法及其步骤进行了深入的研究,在MATLAB6.1平台上实验分析了影响迭代重构算法结果的因素(迭代次数及所选低分辨率图像帧数),最后将迭代重构结果与插值重构结果进行比较分析。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 超分辨率图像复原问题的提出
• 1.3 超分辨率重构技术的应用前景
• 1.4 面临的主要技术挑战
• 1.5 论文工作内容及结构安排
• 第2章 超分辨率图像重构的数学模型
• 2.1 超分辨率重构的理论基础
• 2.1.1 超分辨率重构的数学物理基础
• 2.1.2 超分辨率重构能力
• 2.2 超分辨率重构的观测模型
• 2.3 图像重构的数学模型
• 2.4 本章小结
• 第3章 综述超分辨率重构算法
• 3.1 频率域算法
• 3.2 空间域算法
• 3.2.1 非均匀空域样本内插法
• 3.2.2 迭代反投影法
• 3.2.3 凸集投影方法
• 3.2.4 最大后验概率方法
• 3.2.5 混合 MAP/POCS 法
• 3.2.6 并行遗传算法
• 3.3 图像质量的客观评价标准
• 3.4 本章小结
• 第4章 图像配准
• 4.1 图像配准原理
• 4.2 配准方法分类
• 4.2.1 仿射变换
• 4.2.2 相关和序列方法
• 4.2.3 傅立叶配准方法
• 4.2.4 基于特征的配准方法
• 4.2.5 基于光流估计的方法
• 4.3 实验结果及其分析
• 4.3.1 基于图像灰度的图像配准实验结果
• 4.3.2 傅立叶图像配准实验结果
• 4.3.3 两种方法性能比较
• 4.4 本章小结
• 第5章 图像插值
• 5.1 图像插值
• 5.2 图像线性插值
• 5.2.1 理想插值分析
• 5.2.2 三种常用的插值函数及其性能分析
• 5.3 本章小结
• 第6章 超分辨率图像的重构
• 6.1 迭代重构算法的流程图
• 6.1.1 有关参数的选取
• 6.1.2 实验所用图像
• 6.2 迭代次数T 对重构结果的影响
• 6.3 低分辨率图像帧数L 对重构结果的影响
• 6.4 三次插值算法重构图像
• 6.5 两种算法性能比较
• 6.6 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢