超分辩率图像重建算法的研究与实现

论文摘要

超分辨率图像重建的目的是利用信号处理和图像处理等方法消除成像时诸因素导致的图像退化，同时恢复出光学衍射极限分辨率所决定的截止频率外的信息，形成分辨率更高的清晰图像。一般地，超分辨率图像重建方法由四个阶段组成：退化模型建立、运动补偿（包括运动估计和图像配准）、插值和消除模糊与噪声。虽然，目前提出了很多超分辨率重建算法，但这些算法都有各自的局限性。在超分辨率重建算法方面，还需要做大量的研究工作。本文系统分析了超分辨率重建的基本原理、数学模型和图像质量评价标准；总结归纳了超分辨率图像重建的各种方法；并对部分方法进行了实验，分析了各种算法的优缺点。针对超分辨率图像重建算法多存在计算量大、收敛稳定性不高且收敛慢的问题，结合小波分析理论和正则化方法，提出了一种基于小波稳健的正则化超分辨率图像重建算法。该算法利用小波变换生成初始图像，对重建图像的质量有明显提高。采用1-范式（L1）度量正则项，增强了算法的稳健性，通过导入自适应的变步长正则参数提高了算法的效率。经仿真实验证明了算法的有效性。针对图像重建过程中的噪声模型选择问题，为了更好的模拟实际噪声，应用广义似然比检测（GLRT）来确定噪声模型，据此可以更准确滤除噪声。在此基础上，提出了一种非迭代加权滤波算法（NIWF），该算法可用于稳健的正则化算法中，对椒盐等类似孤立点的噪声有很好的滤除效果。为了方便地对超分辨率重建算法进行实验仿真，提高研究开发的效率，建立了一套软件实验仿真平台。该平台采用模块化设计方法，具有良好复用性。

论文目录

• 摘要
• Abstract
• 引言
• 第一章 超分辨率图像重建的理论基础
• 1.1 超分辨率图像重建的基本原理
• 1.2 超分辨率图像重建的数学原理
• 1.2.1 解析延拓理论
• 1.2.2 信息叠加理论
• 1.2.3 非线性操作
• 1.2.4 Nyquist抽样定理
• 1.3 超分辨率图像重建的数学模型
• 1.3.1 退化模型
• 1.3.2 运动补偿模型
• 1.3.3 超分辨率图像重建的插值模型
• 1.4 小结
• 第二章 超分辨率图像重建的常用算法研究
• 2.1 插值法
• 2.2 频域法
• 2.3 正则化法
• 2.3.1 确定性方法
• 2.3.2 随机方法
• 2.4 集合论法
• 2.5 小波重建方法
• 2.5.1 多分辨分析的条件
• 2（R）的正交分解'>2.5.2 L₂（R）的正交分解
• 2.5.3 小波函数的构造
• 2.5.4 连续小波变换
• 2.6 神经网络恢复残差法
• 2.7 压缩域超分辨率重建法
• 2.8 小结
• 第三章 基于小波稳健的超分辨率图像重建算法
• 3.1 引言
• 3.2 稳健的正则化方法
• 3.2.1 正则化方法概述
• 3.2.2 基于1-范式正则化方法
• 3.3 噪声模型分析
• 3.4 基于小波稳健的正则化方法
• 3.4.1 退化模型建立
• 3.4.2 构造初始图像
• 3.4.3 图像融合
• 3.4.4 正则化过程
• 3.5 噪声抑制
• 3.5.1 NIWF算法基本思想
• 3.5.2 NIWF算法步骤
• 3.5.3 NIWF算法流程
• 3.6 小结
• 第四章 仿真实验
• 4.1 超分辨率图像重建质量评价
• 4.1.1 主观质量评价方法
• 4.1.2 客观质量评价方法
• 4.2 仿真实验平台设计
• 4.2.1 软件开发平台
• 4.2.2 仿真平台的设计思路
• 4.2.3 平台的程序实现
• 4.3 实验结果
• 4.3.1 基于小波稳健的超分辨率重建算法实验结果
• 4.3.2 NIWF算法实验结果
• 4.4 小结
• 结论
• 参考文献
• 攻读学位期间的研究成果
• 致谢