运动模糊图像成像与超分辨率重构研究

摘要

图像可以看成是一种二维分布，成像系统则可认为是一个线性系统。了解图像和成像系统的基本特征，有助于更深入地研究重构算法。首先从理论上对图像和成像系统进行阐述，简要介绍了电荷耦合器件(CCD)成像原理，并特别通过微型飞行器运动成像分析了CCD在成像中的作用，同时给出了像质评价标准。 运动中获取的图像，其降质常常是空间变化的。要想对模糊图像进行较高质量的超分辨率重构，必须进行成像建模。通过对成像模型的介绍，揭示了运动模糊的本质，给出了超分辨率重构的设计框图、流程，并指出了其中的关键技术。 图像超分辨率重构，很重要的一步就是图像配准。图像配准不仅决定重构的效果，而且决定重构算法能否做到实时，是超分辨率重构的关键步骤。通过对成像过程和分层搜索原理的研究，发现粗分辨率上所获得的模板匹配位置可以传递到精细分辨率上，并指导精细分辨率模板上的搜索。只要在粗分辨率层上进行足够多的迭代次数，就能保证配准的精确性，这样在精细分辨率上的配准只需较少的迭代次数。由于仅丢弃冗余的迭代步骤，并没有影响精确性。因此，分别提出了基于仿射变换的六参数和四参数两种配准算法，并通过对包括不同旋转角度和模糊程度的多幅图像进行试验，两种算法均能较快收敛。在保证配准精度的同时，六参数算法的配准速度较传统方法提高了一倍，而四参数算法的配准速度在旋转角度小于五度时则提高了三倍，而在旋转角度逐渐增大时，配准速度与六参数基本持平。这两种方法体现了快速、准确、鲁棒性的特点。 图像的超分辨率重构将成为今后图像复原的主流方向，而凸集投影(POCS)方法可作为一种迭代框架。从理论上详细论述了运动模糊图像的POCS超分辨率重构的数学基础和算法原理，包括对成像模型的总结、参考帧插值和POCS核心算法的描述。分析了POCS算法产生振铃效应的原因，发现振铃效应集中在图像边缘。通过对灰度图像进行平滑滤波，减弱边缘方向的快速变化，从而更好地适应固定凸集的约束。所得结果较传统POCS方法有较大改善。此外，当模糊量很大时，POCS算法重构的图像将会产生一定宽度的盲区。因此，分析了当运动模糊量超过原始图像尺寸一半，并且点扩展函数(PSF)不是方形矩阵时，POCS算法在二维图像横、纵坐标方向上的迭代收敛速度不一致的缺陷，揭示了POCS算法重构极限的本质。通过对低分辨率参考帧进行扩展，提出了大模糊量的POCS重构算法，更好地利用了冗余信息。这种方法较好的避免了盲区的产生。全面而系统地证明了POCS算法的广泛适应性、稳健性和鲁棒性。 图像模型对图像复原具有重要的意义，通过对图像模型本质的研究，可以更加有效的进行图像复原。依据图像模型的观点，初步研究了Markov随机场模型，以及适用于图像复原范畴的技术框架，对基于最大后验概率的复原问题进行了理论分析，并给出了迭代坐标下降(ICD)的优化算法。