图像超分辨率重建技术研究.doc
《图像超分辨率重建技术研究.doc》由会员分享,可在线阅读,更多相关《图像超分辨率重建技术研究.doc(25页珍藏版)》请在沃文网上搜索。
1、图像超分辨率重建技术研究摘 要超分辨率图像重建是指将一系列各自包含一部分不同图像细节的相似低分辨率图像通过一定方法融合成一幅高分辨率图像的处理方法。对于一定的数字成像系统,通过超分辨率图像重建可以得到高质量的图像而不需要提高系统的硬件性能,因此它可以被广泛应用于图像处理的各种领域中。超分辨率图像重建算法可以分为两大类,即频域算法和空域算法。频域算法是早期的超分辨率重建算法,只能对全局位移的图像序列进行处理,空域算法使用通用的观察模型,具有更好的适应性和重构效果,是目前的主要研究方向。其中POCS算法利用投影至凸集的原理进行图像重建,算法直观而且有效,是最有前途的超分辨率重建算法之一。在序列图像
2、超分辨率重建算法中,本文对POCS方法做了比较细致的研究,针对用常规POCS算法重建的高分辨率图像中出现的导致图像边缘质量下降的现象,分析了图像边缘模糊形成的原因,对算法进行了改进,提出了边缘保持的POCS算法,用基于梯度的插值算法来获取POCS的初始值,实验结果表明,该方法能够得到较好的视觉效果,明显地提高重建图像的边缘质量。关键词:超分辨率复原,凸集投影,边缘保持 ABSTRACTSuper-resolution image restoration is a method that combines multiple similar but not identical low-resolu
3、tion images into a higher resolution single image. In a particular digital imaging system,using super-resolution methods can help to obtain higher quality images without up grading system hard- ware,therefore super-resolution techniques can be applied to vast image-processing areas.Super-resolution
4、techniques can be divided into two main categories:frequency domain methods and spatial domain methods. Frequency domain methods are earlier super-resolution methods,they can only deal with image sequences that only translational motions are allowed. Spatial methods use general observation models,th
5、ey have better adaptability and performance. In POCS method,projection onto convex sets theories is employed to realize super-resolution restoration,it is intuitive in theoretical and has good reconstruction performance. POCS is one of the most promising super-resolution restoration methods.In seque
6、nce LR images reconstruction,the research work in this paper focuses on POCS,analyzing the factors which influence the results of super resolution. According to the traditional super-resolution image reconstruction algorithm led to the blur edge of reconstructed high image. With an analysis of the r
7、eason which led to the blur edge of high-resolution reconstruction image,a new image interpolation based on gradient is proposed,it kept large information of the image edge. Use this new image interpolation to get the original value of the POCS. The experimental tests show that this algorithm can si
8、gnificantly improve the quality of the reconstruction image.Key words:super-resolution restore, projection onto convex sets, edge maintain 目 录中文摘要ABSTRACT1绪论1 1.1 研究背景及研究意义1 1.2 图像超分辨率重建的应用2 1.3 本论文的主要研究内容及其完成的工作32 超分辨率图像重建算法研究4 2.1 概述4 2.2 频域方法5 2.3 空域方法62.3.1 非均匀空间样本插值算法62.3.2 迭代反投影算法72.3.3 凸集投影算法
9、72.3.4 最大后验概率估计和最大似然估计算法72.3.5 混合MAP/POCS方法82.4常见的图像重构算法的比较83 POCS算法及其改进算法的实现11 3.1凸集投影算法113.1.1用插值方法构造参考帧123.1.2 运动估计123.1.3基于点扩散函数的修正133.1.4 POCS图像重建算法步骤13 3.2保留边缘信息的POCS超分辨率图像重建算法144 试验结果与分析16 4.1试验低分辨率图像的生成16 4.2改进的POCS算法重建结果及其分析175 结论18 5.1 论文总结18 5.2 工作展望18参考文献2011 绪论 1.1研究背景及研究意义 伴随着计算机技术、信息处
10、理技术和视觉通信技术的高速发展,人类进入了一个全新的信息化时代。人们所能能够获取的知识量呈爆炸式的增长,因此迫切的要求信息处理技术不断的完善和发展,以便能够为人们提供更加方便、快捷和多样化的服务。数字图像及其相关处理技术是信息处理技术的重要内容之一,在很多领域得到了越来越广泛的应用。对于数字图像在一些情况下一般要求是高分辨图像,如:医学图像要求能够显示出那些人眼不能辨别出的细微病灶;卫星地面要求卫星图像至少能够辨别出人的脸相甚至是证件;有些检测识别控制装置需要足够高分辨率的图像才能保证测量和控制的精度。因此提高图像分辨率是图像获取领域里追求的一个目标。1970年以来,CCD和CMOS图像传感器
11、广泛的被用来获取数字图像,在很多的应用场合,需要获取高分辨图像,提高图像分辨率最直接的方法是提高成像装置的分辨力,但是受传感器阵列排列密度的限制,提高传感器的空间分辨率越来越难,通常采用的方法是减少单位像素的尺寸(即增加单位面积内的像素数量),对于数字摄机,比如CCD,就是减少其传感单元的尺寸从而提高传感器的阵列密度,使其能够分辨出更多场景细节。但是这样将导致数字摄像机的价格大幅度提高。技术工艺的制约也限制了图像分辨率的进一步提高。事实上随着像素尺寸的减少,每个像素接收到的光照强度也随之降低,传感器自身的噪声将严重影响图像的质量,造成拍摄的影像信噪比不高,因此,像素尺寸不可能无限制的降低,而是
12、有下限的,当CCD传感器阵列密度增加到一定程度时,图像的分辨率不但不会提高反而会下降,这是因为当CCD阵列密度增加到一定的程度即传感单元变得相当小时,将使产生的图像光电信号变得非常微弱而被传感单元的噪声严重污染甚至淹没从而导致图像退化。其他使图像降质退化的因素还有将场景物体的运动模糊、系统的点扩散函数模糊、采样量化模糊以及电路噪声等。所有这些制约图像分辨率提高的因素或者是物理客观的或者是随机存在的,很多都不是现有的技术所能够控制的。因此通过改善成像装置硬件的分辨力来提高图像的分辨能力是有限的也是不切实际的。因此,需要一种有效的方法来克服图像传感器的这些限制。解决这一问题的一个实用而有效的方法就
13、是图像的超分辨率重构技术,其不需要昂贵的图像获取设备,只需要通过计算机软件的处理就能获得更高分辨率的图像。因此,用该方法来提高图像分辨率所需要的代价很低。1.2 图像超分辨率重建的应用 由于超分辨率重建技术在一定条件下,可以克服图像系统内在分辨率的限制,提高被处理图像的分辨率,因而超辨率技术的应用正在快速的增长,在视频、遥感、医学和安全监控等领域具都有十分重要的应用。例如:(1) 在数字电视(DTV)向高清晰度电视(HDTV)过度阶段,仅有部分电视节目会以HDTV的形式播出,不少节目采用的是DTV的形式。因此,可以利用超分辨率重建技术将DTV信号转化为与HDTV接收机相匹配的信号,提高电视节目
14、的兼容性。(2) 在采集军事与气象遥感图像时,由于受到成像条件与成像系统分辨率的限制,不可能获得清晰度很高的图像,而通过利用超分辨率重建技术,在不改变卫星图像探测系统的前提下,可实现高于系统分辨率的图像观测。在公共安全领域,超分辨图像重建技术也有着很广阔的应用,超分辨率图像重建技术可以利用普通监视录像资料,重建出高清晰的目标图像,从而有利于相关人员的辨识。(3) 在医学成像系统中(如CT、MRI和超声波仪器等),可以用超分辨率重建技术来提高图像质量,对病变目标进行仔细地检测,在医学检测中往往需要通过层析成像技术识别并确定出病体的精确位置及详细情况:如阴影的边缘、病体占位的大小及位置等。由于硬件
15、设备及现有的成像技术的限制,我们还不能够获取满足更高要求的高清晰图像。由于层析成像技术的特殊机理,超分辨率图像重建技术可以在该领域获得重要的应用。(4) 在银行、证劵等部门的安全监控系统中,当有异常情况发生后,可对监控录像进行超分辨率重建,提高图像要害部分的分辨率,从而为事件的处理提供重要的线索。(5) 可以将超分辨率重建技术用于图像压缩。平时存储或传输低分辨率的图像信息,当有不同需要时,再利用超分辨率重构技术获得不同分辨率的图像和视频。此外,超分辨率图像重建技术有可能使图像实现从检出水平(detectionl evel)向识别水平(recognitionlevel)的转化,或更进一步实现向细
16、辨水平(identification level)的转化。超分辨率图像重建技术可以提高图像的识别能力和识别精度。(6) 在资源与环境的卫星遥感应用领域中,地球资源卫星的发射是为了获取多光谱图像,通过对这些图像进行一系列的处理,可以获取不同的有用信息。例如:植被的分类及分布、区域地理结构以及水资源的分布面积等信息。但是由于现有成像技术的限制,图像的分辨率限制了图像的判别和定位的精度。利用超分辨率图像重建技术对这些图像进行重建,从而提高所需资料的获取精度。总之,随着超分辨率技术的发展和完善,其应用领域会继续扩大,图像超分辨率处理技术有着较为广阔的发展空间。21.3 本论文的主要研究内容及其完成的工
17、作本文主要研究了灰度图象超分辨率重构算法,考虑了图象退化模型已知和未知,有噪声和无噪声等情况,对于提出的每个算法都进行了实验结果分析。在深入研究现有图像超分辨率处理技术的基础上,希望提出一些新的思想,引入一些新的方法与途径,来提高超分辨率复原图像的质量,或者提高既有算法的性能和效率。在论文中首先建立超分辨率复原的降质退化模型,用软件的方法生成低分辨率观测序列图像,并用基于图像配准的运动参数估计方法对观测序列图像的运动信息进行估计。分析并比较时间域以及空间域的各种超分辨率算法的性能,选取一种较为直接而且有效的算法作为本课题研究的主要算法。第二章为已有的各种图象超分辨率重构算法的综述。首先介绍了图
18、象退化的模型和图象超分辨率重构研究的概况,然后分频域和空间域两种情况介绍了己有的各种图象超分辨率重构算法,空间域方法主要包括:非均匀空间样本插值、迭代反投影、凸集投影、最大后验概率估计、最大似然估计以及混合MAP/POCS方法等。并且从算法复杂度以及图像重构的效果等几个方面对频域算法与空间域算法进行了比较。同时对目前最热门的两种算法:MAP算法以及POCS算法进行了比较。第三章主要是对目前最热门的序列图像重构算法的POCS算法进行了比较深入的研究。目前在POCS超分辨率图像重构的实现中在初值的选取时普遍采用的是双线性插值算法。双线性插值是将原始图像上的各点首先对应到放大图像的各点上,在此基础上
19、进行插值并且不区分边缘区域和平滑区域,这是造成边缘模糊的主要原因。因而就想到了要对图像的边缘点进行特殊的处理即用保持原始图像的边缘信息进行图像插补的方法代替双线性插值来求解POCS算法中高分辨率图像的初始估计,然后在此基础上进行POCS算法,并在MATLAB开发平台上进行仿真试验。 第四章主要是对上一章所提出的方法进行试验仿真,仿真结果证明了基于边缘保持的POCS算法的可行性以及有效性。第五章给出了一些结论以及未来要做的工作。32 超分辨率图像重建算法研究2.1 超分辨率技术概述超分辨率图像复原是将多幅图像的退化因素去除后再融合,这需要解决图像的运动估计、退化图像去模糊和去噪声以及对还原后的图
20、像信息进行融合等,超分辨率图像复原是一个病态问题,主要表现在:第一,图像在获取的过程中,噪声严重,观测图像与原始图像严重不一致,无法进行估计,造成无解。第二,由于幅员的过程中,约束条件不充分得到的解不是唯一的;第三,图像获取过程中的噪声增加了图像的不确定性,造成解的不连续性。超分辨复原需要处理以下几个问题:(1)运动估计:估计低分辨率图像序列的信息在待恢复HR图像中的对应位置,确定由低分辨率图像的子像素运动所形成的位移算子。(2)几何形变:根据运动估计结果,将低分辨率图像信息通过插值和几何形变还原到HR图像坐标中。(3)信息融合:将还原到HR图像坐标中的信息融合到一张图片中,可以采用多种信息融
21、合算法。(4)去模糊和噪声:在HR融合图像中需要去除模糊和噪声,如果图像模糊和噪声未知,需要先图像序列中估计。超分辨率影像重建技术于60年代由Hamm和Goodman最初以单张影像复原的概念和方法提出,随后许多人对其进行了研究,并相继提出了各种复原方法,虽然这些方法做出了较好的仿真结果,但并没有在实际中得到广泛的应用。80年代末之后,随着计算机技术、电子技术以及信号处理理论与技术特别是小波理论、自适应滤波理论以及一些优化理论的发展,人们在超分辨率影像重建方法研究上取得了突破性进展,研究成果倍出,其应用涵盖了航空航天遥感、目标识别、医学计算机层析成像、空中目标光电监视成像等诸多领域。值得一提的是
22、,国际著名的光学仪器制造公司Leica/Hellawa公司、法国国家航天研究中心已经把该领域的理论研究成果转化到硬件产品-交错CCD传感器阵列的设计中,并已将其分别应用于他们的遥感设备“ADS40”和“SPOT5”卫星,取得了相当理想的效果。从目前的研究和应用成果来看,人们提出了很多图象超分辨率算法。这些算法按照可以获得的低分辨率图象的数量可以分为两类:1)序列图象的高分辨率估计: 组合同一场景的多幅低分辨率图象以获得一幅高分辨率图象的过程;2)单幅图象的高分辨率估计:由一幅低分辨率图象得到一幅高分辨率图象的过程。另外,序列图象超分辨算法也可以分为空间域方法和频率域方法。早期的研究工作主要集4
23、中在频率域进行,但随着更一般的退化模型的考虑,后期的研究工作几乎都集中在空间域进行。2.2 频域方法频率域方法是图像超分辨率重建中的一类主要方法,主要是基于傅氏变换和反变换来进行的图像复原。它通过在频率域消除频谱混叠而改善图像的空间分辨率,由于图像的细节靠高频信息来表现,而通过消除频谱混叠,就可以获得更多的被淹没掉的高频信息,因此依靠在频率域解频谱混叠就是增加图像的细节,提高分辨率。目前采用的主要是消混叠重建方法(Reconstruction via Alias Removal),消混叠重建方法是通过解混叠而改善影像的空间分辨率,进行超分辨率重建。最早的研究工作是由Tsai和Huang在198
- 1.请仔细阅读文档,确保文档完整性,对于不预览、不比对内容而直接下载带来的问题本站不予受理。
- 2.下载的文档,不会出现我们的网址水印。
- 3、该文档所得收入(下载+内容+预览)归上传者、原创作者;如果您是本文档原作者,请点此认领!既往收益都归您。
下载文档到电脑,查找使用更方便
10 积分
下载 | 加入VIP,下载更划算! |
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 分辨率 重建 技术研究
