论文部分内容阅读
为了对图像信息进行准确辨识,科研和经济生活领域希望得到高分辨率图像。高分辨率图像在采集、传输、存储和处理等方面,受成像系统价格、传输带宽、存储以及处理运算量等因素限制,不利于推广。图像超分辨率技术以现有的成像技术和条件为基础,对同一成像场景的多个低分辨率序列图像样本,经信息融合和去模糊等步骤,复原或重建高分辨率图像。运动引起的模糊是图像退化降质的一种常见情况,广泛存在于序列图像之中,并且具有局部特性;而传统的图像超分辨率技术往往基于参数已知的全局退化模型。因此,分析和探索局部模糊的图像退化模型,并运用现有超分辨率技术,实现局部模糊模型下的超分辨率显得非常必要。本文在介绍了上述背景之后,对图像模糊中常见的离焦模糊和直线运动模糊的模型、模型参数估计,以及模糊图像的复原算法进行了细致的分析和描述。同时,本文对现有的图像超分辨率技术进行了介绍:首先介绍了超分辨率技术的信息认知思想;然后分析了常见的成像模型,介绍了常见的超分辨率算法;对超分辨率技术的面临的挑战和机遇进行了分析。基于局部去模糊超分辨率复原的思想和目的,本文在感兴趣区(Region of Interest, ROI)的概念和MAP算法基础上提出了基于运动模糊区域去模糊的图像超分辨率复原方法。首先,分析了运动模糊区域提取的可能性(实验中,本文假设模糊区域已知),并详细分析了局部模糊模型的ROI表示方法,以及其运用于超分辨率复原技术的可能性和可能要面对的问题;然后基于ROI的概念在信息认知思想的基础上,将背景区域和运动区域联合(分别)进行图像复原和分辨率增强,最终(融合)得到高分辨率图像。在进行序列间运动估计的过程中,结合基于区域和基于特征的运动估计算法的优点,采用联合运动估计方法改善了运动估计的效果。实验结果表明,基于ROI的区域去模糊超分辨率算法可行且有效。