正則化交通圖像超分辨率重建技術(shù)研究.pdf

1、交通圖像處理可以有效改善交通圖像的質(zhì)量。但是由于交通環(huán)境的特殊性，交通圖像往往會(huì)受復(fù)雜降質(zhì)因素的影響，特別是一些需要非實(shí)時(shí)處理的交通事故圖像，需要一些比較復(fù)雜的方法對(duì)這些交通圖像進(jìn)行處理，才能取得較好的效果。超分辨率是指對(duì)低分辨率圖像進(jìn)行處理得到高分辨率的過程。目前，基于模型的序列圖像超分辨率技術(shù)已被證明是一種提高圖像質(zhì)量的有效方法。它以理論和經(jīng)驗(yàn)設(shè)定降質(zhì)模型，將圖像的降質(zhì)過程轉(zhuǎn)化為降質(zhì)模型作用于圖像信號(hào)的過程。在重建過程中，以實(shí)現(xiàn)上述

2、降質(zhì)過程的反過程為基礎(chǔ)，加入某些約束條件，充分利用同一場景下多幅低分辨率降質(zhì)圖像的互補(bǔ)信息，從而得到較好的重建效果。
　　利用正則化超分辨率重建能夠有效的處理交通圖像。因此，針對(duì)交通圖像的特殊性，對(duì)正則化超分辨率模型進(jìn)行研究；對(duì)交通環(huán)境中常見降質(zhì)因素進(jìn)行研究，針對(duì)這些降質(zhì)因素建立降質(zhì)模型；最后將降質(zhì)模型融入正則化超分辨率模型中，重建降質(zhì)交通圖像。本文的研究內(nèi)容主要包括：
　　對(duì)正則化超分辨率模型進(jìn)行了研究。主要包括正則化參數(shù)

3、和正則化算子，根據(jù)實(shí)際交通圖像噪聲不固定的現(xiàn)象，提出一種魯棒的自適應(yīng)正則化超分辨率模型，以圖像統(tǒng)計(jì)信息為依據(jù)，將圖像信噪比作為正則化參數(shù)控制迭代過程，從而達(dá)到迭代收斂和去除噪聲的目的。同時(shí)研究多種經(jīng)典邊緣檢測算子對(duì)算法的影響，根據(jù)交通圖像對(duì)紋理和邊緣的需求，提出將改進(jìn)的Sobel算子應(yīng)用于正則化重建中，使之既能滿足交通圖像重建中去噪、去模糊，又能保證輪廓和細(xì)節(jié)信息的特殊需要。
　　對(duì)運(yùn)動(dòng)模糊和散焦復(fù)合模糊模型進(jìn)行了研究。運(yùn)動(dòng)模糊和

4、散焦是交通圖像中較為常見的降質(zhì)因素，并且二者可能同時(shí)發(fā)生，會(huì)嚴(yán)重影響交通圖像的質(zhì)量。在分析標(biāo)準(zhǔn)運(yùn)動(dòng)模糊和散焦模糊模型的基礎(chǔ)上，根據(jù)交通圖像的降質(zhì)特性和光的衍射特性，提出一種運(yùn)動(dòng)模糊和散焦模糊共存的復(fù)合模糊模型，并根據(jù)模型特征，提出一種基于自相關(guān)的兩方向參數(shù)估計(jì)方法，能夠有效解決運(yùn)動(dòng)模糊和散焦模糊共存的交通圖像模糊問題。
　　對(duì)霧模糊模型進(jìn)行了研究。霧是一種交通環(huán)境中常見的天氣，會(huì)嚴(yán)重影響交通圖像的質(zhì)量。在分析大氣衰減模型的基礎(chǔ)上，

5、討論了霧模糊模型及其簡化模型，根據(jù)交通圖像的特點(diǎn)，提出一種適合交通圖像的距離場模型，并提出了一種基于序列交通圖像的參數(shù)估計(jì)方法，將灰度差作為反饋，迭代修正景深分布模型，從而達(dá)到建立精確霧模型的目的。
　　對(duì)復(fù)雜降質(zhì)交通圖像的正則化超分辨率重建進(jìn)行研究。針對(duì)復(fù)雜降質(zhì)交通圖象，以正則化圖像超分辨率為基礎(chǔ)，分析復(fù)雜降質(zhì)交通圖像的成像過程，對(duì)運(yùn)動(dòng)模糊、散焦、和霧模糊等降質(zhì)因素單獨(dú)存在或同時(shí)存在時(shí)的降質(zhì)模型和重建模型進(jìn)行研究，能夠?qū)?fù)雜降質(zhì)