一种改进的超分辨率图像重建算法

摘要

超分辨率图像重建(Super-resolution Reconstruction，SRR)是一种通过利用数字信号处理技术提高图像分辨率的方法。它首先用照相机或摄像机的成像系统在同一位置采集同一场景的多幅图像，然后将这些图像的附加信息提取出来，最后经过配准等处理将这些附加信息融合到一起，得到一幅高分辨率图像。超分辨率图像重建技术通过软件实现，不需要替换目前已经使用的硬件成像设备，因此替换成本较低，所以有很好的市场前景，并且已经逐步成为图像重建领域大家的研究热点之一。其中精确有效的图像配准、空间域内的图像重建等相关算法是该领域内研究的主要方向。
　　本文的研究内容以空域内的超分辨率重建算法为主，首先简要介绍了图像配准的原理及一些常用的配准算法，然后详细介绍了超分辨率图像重建的原理和基础知识，最后重点研究基于最大后验概率的正则化超分辨率重建算法，对算法的基本原理做了详细的分析，对于其中的代价方程和正则化参数的选取进行了深入讨论和实验仿真对比。经过对重建代价方程的仔细研究和对目前主流的重建算法的对比后，发现各低分辨率图像之间存在差异，如配准误差的差异、附加噪声的差异等等，由于这些差异的存在导致每个低分辨率图像对重建结果的贡献不同，而且影响较大，但目前的重建算法没有考虑到这些差别，因此本文提出了对代价方程的保真度项进行自适应加权的重建算法。并且在自适应加权的处理中发现会引起图像边缘的模糊，因此又进一步提出基于边缘保护的自适应加权重建算法。实验结果表明提出的算法能够有效的改进重建的结果。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 超分辨率重建发展历程

1．3 研究内容与组织结构

1．3．1 研究内容

1．3．2 组织结构

第二章 图像超分辨率重建原理与算法研究

2．1 数字图像成像过程

2．2 超分辨率重建原理

2．3 图像配准的原理与过程分析

2．3．1 图像配准的基本原理

2．3．2 图像特征的提取

2．3．3 图像的几何变换模型

2．3．4 图像的内插

2．3．5 实验结果与分析

2．4 超分辨率重建算法研究

2．4．1 超分辨率重建数学模型

2．4．2 频域方法

2．4．3 空域方法

2．4．4 基于学习的重建方法

2．5 图像超分辨率重建的难点

2．5．1 运动估计

2．5．2 退化模型

2．5．3 重建算法

2．6 图像超分辨率重建评价标准

第三章 基于MAP框架的重建算法研究

3．1 基于MAP框架的算法原理

3．1．1 贝叶斯定理

3．1．2 MAP算法推导过程

3．1．3 随机场模型简介

3．1．4 MAP代价方程的求解

3．2 重建代价方程分析

3．2．1 代价方程的保真度项分析

3．2．2 代价方程的正则化项分析

3．2．3 实验仿真与分析

3．3 MAP重建算法的几种改进算法介绍

3．3．1 混合L1、L2范数的处理方法

3．3．2 基于图像预处理的加权全变差正则化方法

第四章 基于边缘保护的自适应加权重建算法

4．1 自适应加权保真度项算法

4．1．1 算法原理

4．1．2 公式推导

4．2 自适应加权算法的边缘保护

4．2．1 边缘像素差异分析

4．2．2 公式推导

4．3 正则化参数选取方法分析

4．3．1 正则化参数选取方法概述

4．3．2 常用的选取方法

4．4 实验仿真与分析

4．4．1 经典重建方法实验

4．4．2 自适应加权方法实验

4．4．3 基于边缘保护的自适应加权方法实验

4．4．4 实验结论

第五章 总结与未来展望

5．1 总结

5．2 未来展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果