序列图像的超分辨率重建算法研究

论文摘要

对于大多数与计算机视觉相关的系统而言,其功能在很大程度上依赖于图像的质量。而在成像过程中,受成像条件和成像方式等因素的限制,成像系统通常并不能获取原始场景中的所有信息,从而造成图像质量的退化。图像重建的目的就是对退化图像进行处理,使其复原接近没有退化前的理想图像。超分辨率图像重建(SSR)是利用同一场景的多幅低分辨率图像间的相对互补信息,将它们融合到单幅高分辨率图像中,即恢复成像过程中所丢失的高频信息,从而实现在无需提高系统硬件性能的同时获取高于成像系统分辨率的高质量图像的目的。本文在凸集投影算法(POCS)的基础上,以智能视频安全监控为研究背景,对基于图像序列的超分辨率图像重建问题进行了研究,主要研究内容包括：(1)对图像插值方法进行了研究,由于线性插值会使图像边缘模糊,因此本文提出了基于边缘保持的插值方法。局部自适应插值方法能够较好的保持图像边缘,但是它考虑的边缘方向并不全面。基于这一点,本文提出了双通道局部自适应插值,进一步改善了图像的插值效果。(2)对运动估计中的块匹配方法进行了研究,分析了匹配准则和搜索策略两个关键因素。针对传统匹配准则SAD的缺点,应用了约束条件SAD,提高了块匹配估计的准确度。在搜索策略方面,结合了三步搜索和菱形搜索的优势,提出了三步菱形搜索策略,提高了块匹配的速度和准确度。(3)对基于凸集投影算法的超分辨率重建进行了研究,其中点扩散函数(PSF)的构造是实现图像重建的关键因素。传统的方法将PSF假设为高斯函数,这样会造成边缘震荡现象。使用双边滤波器对图像进行处理,能够保持图像的边缘,但是忽略了噪声的影响,基于以上原因,本文提出了伪中值滤波的思想,使图像的重建效果得到了改善。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.2.1 问题的提出与发展
• 1.2.2 国内研究现状
• 1.2.3 国外研究现状
• 1.3 应用前景
• 1.4 本文主要研究内容及结构安排
• 第2章 图像超分辨率重建问题研究
• 2.1 图像超分辨率重建的基本理论
• 2.1.1 基本概念
• 2.1.2 理论基础
• 2.1.3 前提条件
• 2.2 图像观测模型的建立
• 2.2.1 图像获取及其数字化
• 2.2.2 低分辨率图像观测模型
• 2.2.3 模型参数
• 2.3 超分辨率重建的基本环节
• 2.4 超分辨重建算法概述
• 2.4.1 频域方法
• 2.4.2 空域方法
• 2.4.3 基于学习的方法
• 2.5 本章小结
• 第3章 图像插值技术
• 3.1 线性插值方法
• 3.1.1 最近邻插值
• 3.1.2 双线性插值
• 3.1.3 三次卷积插值
• 3.1.4 线性插值边缘模糊原因分析
• 3.2 基于边缘保持的图像插值算法
• 3.2.1 Canny边缘检测
• 3.2.2 局部自适应插值
• 3.2.3 改进的双通道局部自适应插值
• 3.3 实验结果
• 3.4 本章小结
• 第4章 运动估计
• 4.1 块运动估计的基本原理
• 4.2 块大小的选择
• 4.3 匹配准则
• 4.3.1 匹配准则的种类
• 4.3.2 传统匹配准则优劣的分析
• 4.3.3 对约束条件SAD匹配准则的改进
• 4.4 搜索策略
• 4.4.1 全搜索算法
• 4.4.2 三步搜索算法
• 4.4.3 菱形搜索算法
• 4.4.4 有效三步搜索算法
• 4.5 改进的三步菱形搜索策略算法
• 4.6 实验结果
• 4.7 本章小结
• 第5章 基于凸集投影算法的超分辨率图像重建
• 5.1 凸集投影算法原理
• 5.2 算法的实现
• 5.3 运动估计的可信度检验
• 5.4 点扩散函数的构造
• 5.4.1 基于边缘保持的PSF
• 5.4.2 伪中值双边滤波
• 5.5 改进算法的实现
• 5.5.1 参考帧的构造
• 5.5.2 运动估计
• 5.5.3 基于点扩散函数的修正
• 5.6 实验结果
• 5.7 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢