超分辨率圖像恢復(fù)中的方法研究.pdf

1、超分辨率圖像恢復(fù)是近年來才出現(xiàn)的圖像處理方法，該方法通過對圖像序列作圖像運動估計、圖像信息融合、去模糊和去噪聲等，從低分辨圖像序列的多張圖像中恢復(fù)細節(jié)更精細的高分辨率圖像，是一種既經(jīng)濟又容易實現(xiàn)的圖像分辨率提高方法，可用于提高遙感和醫(yī)學(xué)等圖像的分辨率。本文從單獨考慮超分辨率圖像內(nèi)插，同時考慮圖像模糊估計與高分辨率圖像盲恢復(fù)，以及同時考慮圖像運動、模糊估計與高分辨率圖像盲恢復(fù)等三種不同處理方式，對超分辨率圖像恢復(fù)中的方法進行了研究。

2、 在僅考慮超分辨率圖像內(nèi)插方面，改進了現(xiàn)有超分辨率圖像小波內(nèi)插。首先指出現(xiàn)有超分辨率圖像小波內(nèi)插的不足在于它采用的是缺乏位移不變性和方向可選擇性的二維實離散小波變換（DWT，discrete wavelet transformation），使得該方法恢復(fù)的高分辨率圖像中容易出現(xiàn)“振鈴效應(yīng)”，在恢復(fù)細節(jié)時可選方向少。本文提出一種改進的超分辨率圖像小波內(nèi)插，采用具有位移不變性和更多方向可選性的二元樹復(fù)小波變換（DT CWT，dual tr

3、ee complex transformation），代替超分辨率圖像小波內(nèi)插中的DWT，使超分辨率圖像內(nèi)插可選的細節(jié)方向增多，恢復(fù)圖像中的“振鈴效應(yīng)”也明顯減少。給出了超分辨率圖像DT CWT內(nèi)插的計算方法。用人工低分辨率圖像序列進行實驗，實驗結(jié)果表明了本文改進方法的有效性。 在同時考慮圖像模糊估計和高分辨率圖像恢復(fù)方面，改進了現(xiàn)有線性正則有參超分辨率圖像盲恢復(fù)在正則處理上的不足。由于現(xiàn)有線性正則有參超分辨率圖像盲恢復(fù)在線性的

4、Tikhonov正則中，采用的是線性位移不變的正則參數(shù)和高通低不阻的恒定正則算子，導(dǎo)致該方法不能在高分辨率恢復(fù)圖像中較好地保留圖像邊緣細節(jié)。本文提出線性自適應(yīng)正則有參超分辨率圖像盲恢復(fù)，在Tikhonov正則中引入高通低阻的Laplacian正則算子，用反映圖像局部光滑特征的梯度信息對正則參數(shù)進行局部加權(quán)，使正則參數(shù)能隨圖像光滑特征自適應(yīng)地改變大小，從而使高分辨率恢復(fù)圖像中的邊緣細節(jié)能更好地得到保留。給出了線性自適應(yīng)正則有參超分辨率圖像

5、盲恢復(fù)的近似求解和計算步驟。在人工低分辨率圖像序列上進行實驗，實驗結(jié)果表明了本文正則改進方法的有效性。 在同時考慮模糊估計和高分辨率圖像恢復(fù)方面，還改進了現(xiàn)有線性正則有參超分辨率圖像盲恢復(fù)在圖像模型邊界處理上的不足。由于現(xiàn)有線性正則有參超分辨率圖像盲恢復(fù)基于的是靜態(tài)的和零邊界條件的圖像模型，使得該方法在上述邊界條件不滿足時，容易在高分辨率恢復(fù)圖像的邊框處產(chǎn)生“振鈴效應(yīng)”。提出線性正則有參超分辨率圖像盲恢復(fù)方法的邊界改進方法，即：

6、用Neumann邊界構(gòu)造模糊矩陣和Laplacian正則矩陣；用重排系統(tǒng)矩陣的方法求解相應(yīng)的圖像恢復(fù)問題：并用修正退化圖像邊界像素的方法形成人為Neumann邊界，以避免實際圖像序列為零邊界時出現(xiàn)邊界錯誤。在人工低分辨率圖像序列上進行實驗，實驗結(jié)果表明了本文改進方法的有效性。 在同時考慮圖像運動估計的超分辨率圖像盲恢復(fù)方面，指出目前超分辨率圖像盲恢復(fù)還沒有充分考慮圖像運動估計的問題?？紤]到圖像模糊對圖像運動的影響，本文提出了基于