图像超分辨率重构算法及其在水下图像中的应用

图像超分辨率重构算法及其在水下图像中的应用

论文摘要

水下目标探测是发展海洋工程,进行海洋研究与开发的重要手段,一直是海洋探测的重要课题。它不但对国民经济具有很大的推动作用,而且在国家安全上也具有重要的意义。如何解决在水下环境中对目标进行高分辨率成像,一直是海洋领域重要的研究内容。针对这些问题,本文将图像超分辨率重构技术应用于水下图像处理中,以期解决水下图像分辨率较低的问题。图像及视频序列的超分辨率重建,是近年来图像处理领域的一个研究热点,不仅在理论上具有重要意义,在实用中也有迫切需求。本论文的主要工作围绕基于水下降质模型的图像及视频序列的超分辨率重建展开,具体内容包括:(1)水下降质模型的建立。主要讨论了两种水体PSF的建立方法,第一种是理论推导的方法,重点针对非相干光照明方式,通过测得的水体abc参数,建立水体解析式的PSF,其中非相干光照明可建立解析式PSF表达式,而相干光照明目前仍停留在原理分析阶段,无法得到具体的解析式PSF表达式,可作为下一步工作的重点;第二种是实验的方法,由于最终得到的水下数据是PSF和噪声共同作用的结果,所以在构造PSF矩阵前应先进行滤除噪声,然后再利用实验数据获取PSF矩阵,这里针对相干光和非相干光两种不同的照明方式可以获得特定水体的PSF矩阵,用以后续的数据恢复。(2)图像数据预处理。针对水体吸收和前向散射导致图像对比度下降、后向散射导致图像模糊以及光电设备引入的噪声等问题,提出了:(a)在水体PSF指导下的逆滤波消模糊算法;(b)保细节的图像亮度调整算法;(c)基于噪声特征的非线性除噪算法。该预处理部分主要为后续超分辨率重构提供尽可能好的低分辨率图像源;(3)单帧图像的超分辨率重构。主要讨论了三个方面的内容:(a)针对图像中奇异点对重构效果造成巨大影响这一问题,通过引入PCNN的简化模型ICM奇异点快速检测机制对图像中的非高斯奇异点进行检测;(b)针对ICM检测器检测出奇异点的特征,构造了改进的极值中值非线性滤波器,对非高斯奇异点进行处理;(c)在插值重构方面,针对图像中的高频细节和低频平坦区域分别采用不同的插值算法,对传统插值算法进行了改进;(4)多帧图像的超分辨率重构。主要分为两部分:第一部分讨论了频域中的图像配准算法,主要针对频谱部分混叠现象,借助于非混叠低频信息中含高频分量的先验信息进行频域配准;第二部分着重研究了基于改进Keren配准算法的空域重构方法和极大似然估计重构中的改进最速下降法,前者针对Keren算法基于小角度的泰勒级数展开所带来的配准误差,提出了一种基于六参数仿射变换的改进Keren算法,该算法相比原始算法的刚体模型能够在大角度偏移情况下获得更精准的配准效果;后者为超分辨率重构算法实时性的实现提供了一种思路。

论文目录

  • 摘要
  • Abstract
  • 1 引言
  • 1.1 绪论
  • 1.2 退化模型
  • 1.3 图像空间分辨率的概念
  • 1.4 图像及视频序列超分辨率重建的分类
  • 1.4.1 从研究对象的角度
  • 1.4.2 从研究方法的角度
  • 1.5 国内外研究现状及研究方法综述
  • 1.5.1 国内外研究现状
  • 1.5.2 研究方法综述
  • 1.6 本文研究的主要内容、创新点及实验安排
  • 1.6.1 本文主要内容
  • 1.6.2 本文创新点
  • 1.6.3 本文实验安排
  • 2 水下降质模型
  • 2.1 引言
  • 2.2 海水的光学性质
  • 2.2.1 海水成分与光学特性
  • 2.2.1.1 海水的成分
  • 2.2.1.2 海水光学参数的基本定义
  • 2.2.1.3 海水光信道降质的物理机制
  • 2.2.2 PSF在水下降质模型建立中的作用和意义
  • 2.2.3 相干和非相干光源对水下成像影响的机理分析
  • 2.2.3.1 非相干光源水下成像影响的机理的理论分析
  • 2.2.3.2 相干光源水下成像影响的机理分析
  • 3 水下图像预处理
  • 3.1 基于全方位多结构元广义形态滤波算法
  • 3.1.1 引言
  • 3.1.2 非线性滤波方法概述
  • 3.1.2.1 传统非线性滤波方法
  • 3.1.2.2 研究中的非线性滤波新算法
  • 3.1.3 全方位多结构元自适应广义形态滤波
  • 3.1.3.1 问题描述
  • 3.1.3.2 解决方法
  • 3.1.3.3 实验结果及算法分析
  • 3.2 基于直方图统计的对比度增强
  • 3.2.1 引言
  • 3.2.1.1 直方图处理
  • 3.2.1.2 直方图均衡化
  • 3.2.1.3 直方图规定化
  • 3.2.2 基于细节保持的灰度均衡化算法
  • 3.2.2.1 问题描述
  • 3.2.2.2 解决方法
  • 3.2.2.3 实验结果及算法分析
  • 3.3 基于水体PSF的图像模糊消除
  • 3.3.1 基本知识
  • 3.3.2 基于实验测量PSF指导下的Wiener逆滤波法
  • 3.3.2.1 Wiener滤波原理
  • 3.3.2.2 图像噪声模型
  • 3.3.2.3 实验结果及算法分析
  • 3.4 实时性方面的考虑
  • 4 基于ICM和改进极值中值奇异点检测消除的图像混合插值重构算法研究
  • 4.1 前言
  • 4.2 基于ICM的奇异点检测算法
  • 4.2.1 脉冲耦合神经网络原理及其应用
  • 4.2.1.1 Eckhorn神经元简介
  • 4.2.1.2 脉冲耦合神经网络及其应用
  • 4.2.2 简化PCNN模型ICM的检测机制
  • 4.2.2.1 引言
  • 4.2.2.2 ICM
  • 4.3 基于改进的极值中值的奇异点消除算法
  • 4.3.1 引言
  • 4.3.2 新算法的具体描述
  • 4.3.3 ICM奇异点检测并消除实验结果及算法分析
  • 4.4 图像的插值重构
  • 4.4.1 传统的插值方法
  • 4.4.2 快速自适应插值方法
  • 4.4.2.1 线性空不变图像插值
  • 4.4.2.2 离加偏差图像插值
  • 4.4.2.3 自适应图像插值
  • 4.4.3 本文混合插值重构方法
  • 4.4.3.1 常用单帧插值算法优缺点比较
  • 4.4.3.2 本文算法基本原理
  • 4.4.3.3 平坦区域插值算法
  • 4.4.3.4 基于最佳相关的边缘插值算法
  • 4.4.4 实验结果和算法分析
  • 4.5 实时性方面的考虑
  • 5 频域法超分辨率图像重构
  • 5.1 算法原理
  • 5.1.1 降质模型
  • 5.1.2 图像配准
  • 5.1.3 平面运动估计
  • 5.1.4 平移估计
  • 5.1.5 部分混淆现象
  • 5.1.6 算法流程
  • 5.2 实验结果及算法分析
  • 6 视频图像序列超分辨率空域重建算法研究
  • 6.1 前言
  • 6.2 基于六参数仿射模型的改进Keren算法图像配准技术研究
  • 6.2.1 图像配准
  • 6.2.2 仿射变换
  • 6.2.3 Keren亚像素图像配准算法原理
  • 6.2.4 基于六参数仿射变换的改进Keren算法
  • 6.2.5 实验结果与算法分析
  • 6.3 基于改进最速下降法的空域重构算法
  • 6.3.1 极大似然估计原理
  • 6.3.2 改进最速下降法原理
  • 6.3.2.1 经典最陡下降法模型
  • 6.3.2.2 经典最陡下降法的初次优化
  • 6.3.2.3 经典最陡下降法的再次优化
  • 7 总结与展望
  • 致谢
  • 参考文献
  • 个人简历
  • 发表的学术论文
  • 相关论文文献

    • [1].图像超分辨率重建[J]. 中国新通信 2020(02)
    • [2].基于深度学习的单图像超分辨率重建研究综述[J]. 计算机应用研究 2020(02)
    • [3].基于稀疏编码的图像超分辨率复原[J]. 计算机与数字工程 2020(03)
    • [4].深度图像超分辨率重建技术综述[J]. 西华大学学报(自然科学版) 2020(04)
    • [5].视频解码与图像超分辨率重建研究[J]. 电视技术 2020(02)
    • [6].功能型复合深度网络的图像超分辨率重建[J]. 计算机科学与探索 2020(08)
    • [7].人工智能在广电领域中的应用——以大连新闻传媒集团为例[J]. 演艺科技 2020(07)
    • [8].基于球形矩匹配与特征判别的图像超分辨率重建[J]. 计算机应用 2020(08)
    • [9].图像超分辨率方法研究进展[J]. 计算机工程与应用 2020(19)
    • [10].混合阶通道注意力网络的单图像超分辨率重建[J]. 计算机应用 2020(10)
    • [11].基于对抗网络遥感图像超分辨率重建研究[J]. 计算机工程与应用 2020(21)
    • [12].基于深度学习的图像超分辨率重建方法综述[J]. 云南民族大学学报(自然科学版) 2019(06)
    • [13].基于生成对抗网络的遥感图像超分辨率重建[J]. 光学与光电技术 2019(06)
    • [14].基于深度学习的图像超分辨率复原研究进展[J]. 自动化学报 2017(05)
    • [15].图像超分辨率重建的研究进展[J]. 计算机工程与应用 2017(16)
    • [16].基于深度学习的图像超分辨率重建研究[J]. 电脑知识与技术 2020(29)
    • [17].基于分离字典的图像超分辨率重建[J]. 中国科学:信息科学 2020(02)
    • [18].基于密集连接的生成对抗网络实现单图像超分辨率方法研究[J]. 电子设计工程 2020(12)
    • [19].改进的生成对抗网络的图像超分辨率重建[J]. 计算机工程与设计 2020(07)
    • [20].基于改进总广义变分的单幅红外图像超分辨率算法[J]. 轻工学报 2020(04)
    • [21].生成对抗网络的单图像超分辨率重建方法[J]. 计算机科学与探索 2020(09)
    • [22].基于改进邻域嵌入与导向核回归的图像超分辨率重建[J]. 数字技术与应用 2020(08)
    • [23].基于深度卷积神经网络的图像超分辨率重建方法[J]. 传感器与微系统 2020(09)
    • [24].基于稀疏贝叶斯估计的单图像超分辨率算法[J]. 计算机应用研究 2019(02)
    • [25].基于生成网络的遥感图像超分辨率的研究[J]. 实验室研究与探索 2019(03)
    • [26].用于图像超分辨率重构的深度学习方法综述[J]. 小型微型计算机系统 2019(09)
    • [27].基于残差密集网络的单幅图像超分辨率重建[J]. 计算机应用与软件 2019(10)
    • [28].基于对抗神经网络和语义分割技术的图像超分辨率系统的研发和应用[J]. 有线电视技术 2019(11)
    • [29].基于深度特征学习的图像超分辨率重建[J]. 自动化学报 2017(05)
    • [30].基于FPGA的图像超分辨率的硬件化实现[J]. 现代电子技术 2017(17)

    标签:;  ;  ;  ;  ;  

    图像超分辨率重构算法及其在水下图像中的应用
    下载Doc文档

    猜你喜欢