基于NLM的多幀圖像超分辨算法研究.pdf

1、超分辨率重建技術在圖像獲取和目標識別過程中，作為一種超越當前硬件水平的軟件技術，在實踐應運中有著極大的市場需求。在過去的二十幾年中，這項技術已經成為了圖像處理領域一個極具吸引力的研究熱點。它可以應運在不同領域的多種現實問題上，例如衛(wèi)星和醫(yī)學圖像處理，面部和文本圖像分析等。經過國內外科研工作者的不懈努力，到目前為止已經有基于不同角度、不同方法的數百種超分辨算法問世。
　　本文將主要致力于對空域的多幀圖像超分辨率重建算法進行研究。論文

2、在對超分辨技術的基本背景知識和幾種經典方法進行簡要介紹和學習的基礎上，主要研究了基于NLM的多幀圖像超分辨算法，并通過仿真實驗分析其存在的問題，進而做出如下改進：
　　(1)基于貝葉斯的非局部超分辨算法。分析對原始 NLM-SR算法仿真實驗的結果可知，其收斂速度慢的主要原因是在圖像塊的相似性權值計算過程中出現了誤差，導致需要多次迭代才能很好的實現超分。針對這一問題，本文通過對誤差曲線的擬合，使用貝葉斯理論重新構建了一個權值計算公式

3、，進而提升了算法的超分性能。而且通過對比實驗發(fā)現，此次改進還在一定程度上提升了算法的收斂速度。
　　(2)基于模糊運動估計的非局部超分辨算法。原始的NLM-SR算法作為一種無參數估計的算法，雖然很大程度上減低了模型估計過程中出現誤差的風險，但是也使得算法的復雜度顯著提高。為了解決這一問題，我們引入一個模糊運動估計的概念，使得非局部超分辨算法在塊匹配的過程中能夠縮小搜索范圍。從對比實驗的結果可以看出，本次改進不僅沒有影響原始 NLM

4、-SR的超分性能，而且在一定程度上提升了算法的效率。
　　(3)基于模糊運動估計的貝葉斯非局部超分辨算法。通過總結論文中對于原始NLM-SR算法的改進方法，本文提出了一種新的基于模糊運動估計的貝葉斯非局部超分辨算法——ME&BNL-SR。相比于原始的NLM-SR算法，本算法無論從視覺效果還是算法性能上都得到了很大的提升。此外，為了進一步檢驗算法的超分性能，本文還專門針對人臉和車牌圖像序列的超分辨率重建問題進行了實驗。
　　最