模糊圖像的超分辨率重建方法研究.pdf

1、在數(shù)字圖像的獲取過程中，由于成像器件采樣頻率的限制會導致欠采樣，大氣擾動、對焦不準會導致圖像模糊，存儲傳輸過程還會引入噪聲污染，因而實際獲得的圖像分辨率往往不能滿足視覺或者圖像處理的要求。在不改變原有成像設備的基礎上，利用超分辨率重建方法獲得分辨率更高的圖像，成為圖像復原、圖像增強方面的一個新的研究熱點。
　　本文從基于多幀重構的重建、基于單幀學習的重建、點擴散函數(shù)未知時的盲重建以及重建圖像的振鈴效應抑制等方面進行了深入的研究分析

2、。
　　在基于重構的算法中，主要研究了最大后驗概率(MAP)理論框架下，分別使用laplacian正則項和Huber正則項對高分辨率圖像進行平滑約束的正則化算法，對比了二者的重建結果，并對正則參數(shù)的自適應求解進行分析。
　　在基于學習的算法中，主要研究了四種典型的學習重建算法，即基于例子、基于主動輪廓、基于局部線性嵌入和基于預分類學習的方法。針對學習算法中樣本庫不能很好的適應模糊圖像的學習重建，提出一種結合點擴散函數(shù)(PSF

3、)支持域估計的方法來提高樣本庫的適應性，在放大倍數(shù)不是很大的情況下，先估計低分辨率插值圖像的PSF支持域，根據(jù)估計結果對構建樣本庫的高分辨率圖像進行模糊降質，使得待重建圖像在同一模糊程度的樣本庫上進行學習重建。實驗證明，該方法對模糊圖像學習重建有一定的作用。
　　對于PSF未知時的盲重建，分析了兩種典型方法，即雙正則方法和誤差-參數(shù)曲線法的原理及局限性，同時提出一種基于退化模型估計的盲重建方法，首先從單幀學習方法得到的重建結果中提

4、取恢復較好的強邊緣塊作為參考塊，在多幀重構算法中嘗試使用不同的PSF進行重建，當重建結果中對應塊與參考塊的相似度取得極大值時即可得到估計的PSF和高分辨率圖像。該方法將PSF的估計問題轉換為參考塊的相似性問題，實驗證明，該方法對于較為模糊的圖像也能得到不錯的重建效果。
　　本文最后介紹了循環(huán)邊界法和模糊濾波方法在振鈴效應抑制方面的作用。
　　通過實驗證明，本文方法對模糊圖像的學習重建和盲重建的效果均有改進，具有一定的研究意義