基于自適應(yīng)先驗?zāi)Ｐ偷淖兎重惾~斯圖像超分辨率算法研究.pdf

1、在獲取和傳輸圖像的過程中，存在各種降質(zhì)因素，例如噪聲、模糊、降采樣、形變等，使獲取圖像的質(zhì)量下降。提高圖像的空間分辨率和改善圖像質(zhì)量具有非常重要的實際意義，因此圖像超分辨率技術(shù)得到了越來越多的青睞。在計算機視覺領(lǐng)域，該技術(shù)可以進一步細化圖像，推進基于圖像內(nèi)容的研究，例如從圖像檢測向圖像識別發(fā)展。目前，在軍事、醫(yī)學(xué)、公共安全等領(lǐng)域圖像超分辨率技術(shù)都有著重要的應(yīng)用前景。變分貝葉斯圖像超分辨率技術(shù)可以將高分辨率圖像、運動參數(shù)和超參數(shù)統(tǒng)一到一個

2、框架下進行聯(lián)合估計，為多幀圖像超分辨率技術(shù)開辟了新的道路。但是目前已發(fā)展的變分貝葉斯圖像超分辨率算法不能在保護邊緣的同時有效地抑制噪聲，或是沒有實現(xiàn)對全部算法參數(shù)的自適應(yīng)估計。針對以上問題，對圖像先驗建模進行了深入研究，并從理論上分析了構(gòu)建模型的有效性，提出了一系列變分貝葉斯圖像超分辨率算法。以兩類常見且構(gòu)造簡單的車牌和條形碼圖像作為測試對象展開研究，然后由特殊到一般，提出了一種具有普適性的自適應(yīng)算法。
　　本研究主要內(nèi)容包括：⑴

3、提出一種基于高斯模型和TV-SAR模型的變分貝葉斯車牌圖像超分辨算法。首先，構(gòu)建一種高斯模型來描述車牌圖像灰度的雙峰分布特性，并利用TV-SAR模型來描述圖像的分段常值特性，然后將兩種模型統(tǒng)一到變分貝葉斯推斷框架中，從而實現(xiàn)高斯模型和TV-SAR模型對重建過程的約束以及自動重建。實驗結(jié)果表明，該算法能夠提高重建質(zhì)量。⑵針對高斯模型和TV-SAR模型不適用于邊緣密集程度變化較大的條形碼圖像，提出一種基于邊緣保護模型的變分貝葉斯條形碼圖像超

4、分辨率算法。首先，構(gòu)建一種邊緣保護圖像模型，在該模型中使用間斷自適應(yīng)函數(shù)來度量圖像局部的平滑性，該模型同時兼顧了條形碼的各向異性特性，然后將該模型應(yīng)用到變分貝葉斯推斷框架中。實驗結(jié)果表明，該算法能夠自適應(yīng)地調(diào)節(jié)對條形碼圖像平滑性的約束強度，提高了重建條形碼圖像的對比度和清晰度。⑶針對邊緣保護模型不能有效地區(qū)分自然圖像中的弱邊緣和噪聲點問題，提出一種基于AHQ模型的變分貝葉斯自然圖像超分辨率算法。首先定義一個自適應(yīng)半二次函數(shù)，通過該函數(shù)針

5、對圖像的局部性質(zhì)自適應(yīng)地調(diào)節(jié)平滑約束強度，并建立基于自適應(yīng)半二次函數(shù)的圖像先驗?zāi)Ｐ?，然后將該模型?yīng)用到變分貝葉斯推斷框架中。實驗結(jié)果表明，該算法能夠有效地保護自然圖像邊緣。⑷針對AHQ模型在強噪聲下會產(chǎn)生偽跡等問題，提出一種基于混合模型的變分貝葉斯強噪聲圖像超分辨率算法。該算法通過一個加權(quán)函數(shù)將AHQ模型和Tikhonov模型耦合，并采用一種折線（Broken Line）模型來估計耦合權(quán)重，然后將該模型應(yīng)用到變分貝葉斯推斷框架中。實驗結(jié)