圖像超分辨重建中的若干問題研究.pdf

1、隨著互聯(lián)網(wǎng)的普及和信息技術(shù)的發(fā)展，各種多媒體業(yè)務(wù)不斷涌現(xiàn)，人們對圖像和視頻技術(shù)的要求越來越高。然而受到成像條件和成像方式的限制，許多成像系統(tǒng)難以獲得人們期望的高分辨圖像，這給后續(xù)的圖像處理、分析與理解工作帶來了諸多困難，影響了人們對客觀世界及其規(guī)律的正確認(rèn)識。通過提高成像系統(tǒng)硬件性能來獲取高分辨率圖像的方法，往往成本較高，且難于實現(xiàn)。因此有必要考慮一種能夠克服采集設(shè)備物理條件限制來提高圖像分辨率的新方法。超分辨率重建技術(shù)就在這樣的背景下

2、應(yīng)運而生。該技術(shù)能夠利用信號處理的手段重建成像系統(tǒng)截止頻率之外的信息，從而可以在不改變硬件設(shè)備的前提下，獲得高于成像系統(tǒng)分辨率的圖像。因此該項技術(shù)一經(jīng)提出，便受到了國內(nèi)外學(xué)者的普遍關(guān)注。目前，在數(shù)字娛樂、遙感、醫(yī)療以及公安等領(lǐng)域展現(xiàn)出了廣泛的應(yīng)用前景。
　　本論文在總結(jié)現(xiàn)有超分辨率技術(shù)的相關(guān)理論和經(jīng)典算法的基礎(chǔ)上，針對超分辨技術(shù)在實際應(yīng)用中面臨的諸多問題，如運動估計不準(zhǔn)問題、重建過程對模型偏差過于敏感問題、序列信息破缺問題，樣本多

3、義性問題等，進(jìn)行了深入研究，提出了相應(yīng)的解決方案。本論文的主要研究成果可概括如下:
　　(1)針對現(xiàn)有超分辨算法運動估計不準(zhǔn)的問題，提出了一種基于非局部正則化和可靠運動估計的序列超分辨方法。在運動估計階段，引入了一個多邊約束濾波器，該濾波器能夠利用可靠的運動估計信息來對不可靠的運動估計進(jìn)行糾正，從而為重建階段提供了更為可靠的運動估計信息。在重建階段，進(jìn)一步利用圖像自身的非局部相似性來構(gòu)造圖像先驗知識，與基于梯度統(tǒng)計的先驗相比，非局

4、部先驗不但能夠有效減少重建結(jié)果中的視覺干擾現(xiàn)象，還能夠進(jìn)一步降低配準(zhǔn)誤差對重建結(jié)果的影響。在后處理階段，提出了一種從圖像中的強邊緣區(qū)域獲取有效信息進(jìn)行模糊核估計的去模糊方法。這些方法的綜合運用，有效地改善了序列超分辨的重建質(zhì)量。
　　(2)傳統(tǒng)超分辨方法在理論環(huán)境下通?？梢匀〉美硐氲慕Y(jié)果，但在實際應(yīng)用中這些方法往往表現(xiàn)得不夠魯棒，即一旦實際情況與算法所依據(jù)的模型假設(shè)存在一定程度的偏差，則可能會導(dǎo)致算法最終無法獲得令人滿意的結(jié)果。針

5、對傳統(tǒng)序列超分辨算法對模型假設(shè)與實際情況的偏差過于敏感的問題，提出了一種自適應(yīng)魯棒超分辨方法，該方法分別從配準(zhǔn)和重建兩個方面對傳統(tǒng)算法的魯棒性進(jìn)行了提升。在配準(zhǔn)階段，通過引入概率運動場減小了算法對配準(zhǔn)精度的敏感性，同時利用Heaviside函數(shù)實現(xiàn)權(quán)重映射，進(jìn)一步提高了算法的自適應(yīng)性。在重建階段，采用基于Huber范數(shù)的正則化估計，在提高重建魯棒性的同時也保證了算法數(shù)值解的穩(wěn)定性。
　　(3)傳統(tǒng)序列超分辨方法對低分辨序列要求較高

6、，一旦序列中相關(guān)性較強的信息遭到破壞，則會造成重建質(zhì)量的下降。針對這一問題，提出了一種融合單幀圖像復(fù)原技術(shù)的多幀超分辨算法。該方法首先利用多幀低分辨率圖像中所蘊含的信息對高分辨率圖像進(jìn)行重建，然后對于那些由于序列中信息缺失而無法有效重建的區(qū)域，則利用基于稀疏編碼模型的單幀圖像復(fù)原技術(shù)從外部樣本庫中獲取信息，對其進(jìn)行補全重建。該方法結(jié)合了單幀與多幀方法的優(yōu)點，不但可以利用序列本身相關(guān)性較強的信息對高分辨率圖像進(jìn)行重建，還可以在序列信息有破

7、缺時利用外部樣本庫中的信息來對破缺信息進(jìn)行修補。因此，能夠有效解決序列信息有破缺時的超分辨重建問題。
　　(4)針對單幅圖像超分辨中的高分辨與低分辨樣本間的多義性問題，提出了一種綜合重建框架，該框架融合了邊緣與細(xì)節(jié)重建。在邊緣重建階段，提出了一種利用“去噪”稀疏編碼模型來構(gòu)造圖像主要結(jié)構(gòu)先驗的方法。該方法在先驗字典學(xué)習(xí)階段，去除了受多義性影響嚴(yán)重的噪聲樣本，保證了先驗?zāi)Ｐ偷臏?zhǔn)確性，提高了邊緣重建質(zhì)量。在細(xì)節(jié)重建階段，利用樣本局部情