论文部分内容阅读
在图像的获取过程中,图像的分辨率往往受制于成像系统的硬件水平。但是通过改善硬件达到提升图像分辨率是一件十分困难并且成本很高的方式。而图像的超分辨率重建算法可以通过计算的方式实现图像分辨率提升,从而最终获得超越成像系统本身分辨率水平的高清图像。本文通过对超分辨率重建算法的系统分析,将超分辨率重建算法分为两个部分:一个为低分辨率图像向高分辨率网格的投影步骤,另一个是高分辨率网格下的去模糊步骤。本文通过对这两个部分分别进行优化改进,最终提高了超分辨率重建算法的恢复效果。 第一个部分是低分辨率图像的投影融合过程,其关键就在于所使用的正则项。本文将梯度相似度引入了双边滤波正则项。双边滤波通过一个点的邻域灰度值加权求和来实现对该点的估计。本文首先计算邻域内每个点与被估计点梯度的相似性,依照这种相似性对每个点加权过程中的权值进行上调或降低。通过这种方式可以现实具有相似梯度的点在加权过程中拥有较高的权值,从而达到提高恢复精度的目的。同时,本文对正则项参数进行自适应调整。为了保证鲁棒性,本文将通过提取高频信息来进行边缘提取,然后通过提取到的高频信息计算出初始的正则参数,在利用冲击滤波进行边缘增强,最后通过全变分滤除噪声。 第二个处理过程是去模糊。傅里叶域和小波域联合去模糊算法对于超分辨率重建算法非常适用,但是,该联合算法仅仅适用于低噪声的情况。因此本文将先验约束分别引入傅里叶域的去模糊步骤和小波域的去噪步骤。在傅里叶域,用矩阵形式表示目标函数。对目标函数添加平滑约束并且通过噪声水平和模糊图像高频信息计算得到平滑约束项的滤波系数。同样方式,在小波域对小波域目标函数添加能量约束,实现小波域目标函数的正则化过程。