论文部分内容阅读
在现代的生活和应用中,高分辨率图像发挥着重要的作用。各个行业和领域对高分辨率图像有强烈的需求。由于从硬件手段获取高分辨率图像的方法受到成本、工艺水平的限制,所以使用信号处理的方法从低分辨率图像序列获得高分辨率图像很有必要,这样的方法称为图像超分辨率。超分辨率是许多应用系统的必要组成元素,也是现在研究领域的热点问题。在图像超分辨率领域,成像过程的研究与建模一直是研究难点。也是超分辨率技术能否往前推进的重要因素。但直以来关于超分辨率成像模型的研究都存在一些明显缺点,即采用简单的数学模型,不考虑成像过程中点扩散函数的影响,不能反映真实准确的成像过程。本文通过深入研究真实场景到低分辨率图像的成像过程,分析了导致图像降质的主要因素,提出了基于精确估计点扩散函数的成像过程和建模方法。本文采用基于模糊边缘精确定位和高清边缘精确估计的非盲方法对点扩散函数进行估计,该方法具有边缘定位精度高、点扩散函数计算准确等优点。为了论证本文提出的成像模型的准确性和优越性,本文将该成像模型引入传统的图像超分辨率算法即最大后验概率(MAP)算法中用于高清图像重建,并详细阐述了该算法的推导过程。最后通过比较超分辨率的重建效果论证本方法的优点。本文对成像模型和点扩散函数估计算法进行了深入的研究。点扩散函数的估计算法分为三个步骤,首先对输入的特定标定板图像进行预处理,通过角点定位和曲线拟合的办法确定模糊边缘的位置,然后用双线性插值和RANSAC方法定位模糊边缘法线方向上的极大值和极小值,估计高清边缘的亚像素位置。最后通过最小二乘法和牛顿最快梯度下降法计算点扩散函数。本文提出了成像模型和点扩散函数估计算法的评估方法,并且跟现在国际上最前沿的几种算法进行了比较,同时分析了误差产生的原因,并在算法的准确性、鲁棒性、计算速度上做出了总结。本文的仿真实验结果证明,本文提出的点扩散函数估计算法能更准确的刻画图像的降质过程,相比于传统的一般性成像模型,包含点扩散函数的成像模型能更准确的反映真实场景的成像过程,有效的提高超分辨率图像重建的效果。