论文部分内容阅读
在图像和视频应用领域,由于成像系统硬件条件的限制、环境因素的干扰以及为了存储和传输而进行的压缩等因素,很多图像或视频的分辨率不高,导致人们获得的信息非常有限。从改善系统性能方面提高分辨率,不仅技术艰难、,成本巨大而且收效甚微,所以在不改变成像系统硬件的前提下,提高图像和视频的分辨率已经成为图像处理领域研究的重要分支。超分辨率重建(Super-resolution Reconstruction, SR)技术是提高图像和视频分辨率的有效途径。所谓超分辨率重建就是指通过信号处理的方法,利用多帧低分辨率降质图像之间的互补信息重建一帧或者多帧高分辨率图像。目前该技术已在视频监控、遥感、侦察等领域得到广泛应用。本文较为系统地介绍了超分辨率重建技术的主要流程,主要研究了以下几个方面:(1)图像的运动估计。超分辨率重建依赖于精确的多帧图像之间的运动估计,本文主要研究了泰勒级数法、光流法和块运动估计三种运动估计算法,并用实验分析算法的性能。针对超分辨率重建对运动估计精度和稳定性的要求,本文选择新三步搜索块运动估计方法,在保证精度的同时提高了估计的稳定性。(2)基于最大后验概率(Maximum A Posteriori, MAP)估计的概率统计模型超分辨率重建。首先在MAP准则下推导并得到超分辨率重建的目标方程,然后将图像看作是一个随机场,服从一定的概率分布,最后将图像的概率统计模型代入目标方程求解重建高分辨率图像。本文选取马尔可夫先验模型,并分析了该模型在边缘保持能力方面存在的不足,然后在前人基础上提出了一种改进方法。实验证明改进方法的图像边缘保持能力得到了有效提高。(3)基于Lp范数的变分正则化超分辨率重建。首先构造了由数据失真项和正则化项构成的Lp范数形式的超分辨率重建框架;其次介绍了一种基于双边全变分模型正则化的超分辨率重建算法,然后以非局部算法为基础提出了一种边缘增强型非局部模型正则化超分辨率重建算法,并与改进的马尔可夫模型、双边全变分模型进行比较分析;最后对L1范数和L2范数进行分析比较,确定采用基于L1范数形式的重建目标方程。实验证明本文提出的算法不但能够有效地抑制噪声,而且能较好地保持图像的边缘信息。