序列图像超分辨率重建技术研究

论文摘要

超分辨率图像重建是一个利用多帧具有互补信息的低分辨率图像复原出一幅高分辨率图像的过程。这项技术在遥感、军事、医学和公共安全等领域具有十分重要的应用价值和广阔的应用前景。本文首先分析了超分辨率图像重建国内外研究现状,针对超分辨率图像复原中序列图像间运动估计问题,推导出光流场数值计算方法,实现了对序列图像间平移和旋转估计值的求解。实验结果表明,该方法能恰当地描绘出前后帧图像运动特征,为复原算法提供了准确的运动参数值。然后在详细研究了各种超分辨率图像复原算法的基础上,采用基于贝叶斯框架的最大后验概率（MAP）复原算法实现了超分辨率图像重建。并用Huber边缘惩罚函数对Markov-Gibbs随机场先验模型进行修正,使其成为一个具有边缘保持能力的二次型凸函数。同时提出了一种关于Huber函数阈值参数的选取方法,使复原达到保护图像边缘细节又对无边缘处给予平滑的目的。实验结果表明,本文算法达到了理想的超分辨率图像重建效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题意义和应用领域
• 1.2 国内外研究现状
• 1.3 超分辨率复原
• 1.4 本文内容和组织结构
• 1.4.1 本文主要研究内容
• 1.4.2 本文组织结构
• 第二章 运动估计
• 2.1 基于光流场的运动估计
• 2.1.1 时变序列图像
• 2.1.2 光流场计算推导
• 2.1.3 光流场数值计算
• 2.2 基于块的运动估计
• 2.2.1 块运动估计原理
• 2.2.2 块匹配搜索过程
• 2.3 本章小结
• 第三章 超分辨率复原算法研究
• 3.1 频域方法
• 3.1.1 去混叠算法
• 3.1.2 最小二乘法
• 3.2 空域方法
• 3.2.1 迭代反投影方法
• 3.2.2 集合论方法
• 3.2.3 最大后验概率算法
• 3.3 超分辨率复原算法的比较
• 3.4 本章小结
• 第四章 基于MAP算法的超分辨率图像重建
• 4.1 图像复原的贝叶斯理论
• 4.2 图像先验模型
• 4.2.1 Markov随机场
• 4.2.2 Gibbs随机场
• 4.3 最大后验概率估计
• 4.3.1 条件概率模型
• 4.3.2 先验概率模型
• 4.3.3 Huber函数参数取值
• 4.4 目标函数优化
• 4.5 图像重建
• 4.5.1 最速下降法推理
• 4.5.2 图像梯度求解
• 4.5.3 图像重建流程
• 4.6 本章小结
• 第五章 实验与分析
• 5.1 超分辨率图像复原实验
• 5.2 图像复原质量分析
• 5.3 本章小结
• 第六章 结束语
• 致谢
• 参考文献