基于正則化的非線性擴散模型的超分辨率方法.pdf

1、由于噪聲和硬件的限制，低端圖像設(shè)備采集到的圖像和視頻并不理想。因此，許多文獻中都對這個問題提出了解決方法。超分辨率技術(shù)就是其中一種將圖像或視頻由低質(zhì)量重構(gòu)成高質(zhì)量的一種內(nèi)在的適定性問題。
　　大多數(shù)已有的超分辨率重構(gòu)算法都不能完全保留一些重要的圖像特征,比如物體的邊緣和輪廓等,然而事實上人眼會對這些邊緣很敏感,并且它們也在目標檢測等計算機視覺應(yīng)用領(lǐng)域會起到很大的作用。為解決過去方法中的問題，本文中我們提出了幾種基于非線性擴散泛函的

2、超分辨率算法。新方法能根據(jù)圖像特征自動調(diào)整正則化水平。具體來說，正則化在平坦區(qū)域較強以消除噪聲，在邊緣區(qū)域較弱以保護重要的圖像信息。這種基于圖像特征的方法使得我們的模型重建后的圖像信息更詳細。
　　首先,我們的超分辨率算法基于Perona-Malik光滑泛函，其中的擴散性部分含有以空間為變量的指數(shù)項，它隨標準化變化而變化。第二，我們引入了一種改進的Charbonnier模型來描述超分辨率的適定性問題。這種方法能適應(yīng)諸如線性等方向擴

3、散，全偏差以及Charbonnier等不同的正則化模型，并且具有靈活性，并且能產(chǎn)生可觀的超分辨結(jié)果。第三，為了能同時提高圖像的空間分辨率和重構(gòu)頻率成分，我們引入Papoulis-Gerchberg算法。最后，對于超分辨問題我們得到一個新的正則化勢函數(shù)。為保證勢函數(shù)的凸性、光滑性和單調(diào)性，我們在參數(shù)中加了適當?shù)募s束條件。這種勢函數(shù)可以使我們的超分辨模型達到更高的分辨率，這在以往的模型中是達不到的。
　　新的重構(gòu)算法有很廣泛的應(yīng)用。例

4、如，可以應(yīng)用于改進醫(yī)學上血涂片的圖像質(zhì)量，準確檢測并診斷瘧疾等疾病。本文中，可以將任意一種超分辨率算法嵌入到低端圖像采集設(shè)備（采集的圖像是低分辨率圖像）中，來增強輸入圖像的質(zhì)量，這樣既避免了昂貴的顯微鏡設(shè)備，同時保證了高準確性。而傳統(tǒng)的自動檢測診斷方法需要昂貴的硬件，許多人都無法支付。
　　實驗結(jié)果顯示，本文中的模型較最先進的其它經(jīng)典方法更高級。通過多種圖像、視頻的仿真，本文方法的視覺效果和性能指標（噪聲信號峰值比、邊緣和結(jié)構(gòu)相似