论文部分内容阅读
随着计算机技术的发展，同时数字图像传感器技术逐渐达到设计的极限，人们越来越倾向于通过数字图像处理的方式来满足日益增长的图像分辨率要求，图像的超分辨率技术就是通过数字图像处理技术获得高分辨率图像的方法，相比于提升传统图像传感器技术，超分辨率技术显得更为有效和有前途，因此是当前数字图像研究的经典问题之一。 POCS（凸集投影）是经典的图像超分辨率算法之一，包括像素信息插值，图像的配准，图像重建等步骤，由于其通过图像的先验凸集约束来实现超分辨率，因此凸集约束条件对于POCS算法来说至关重要，同时由于超分辨率技术需要准确的子像素位移信息，图像配准也是POCS算法的关键。因此图像配准与约束条件是POCS算法的两个重点，也是本文的主要研究内容。 本文提出了一种基于关键点滤波图像匹配的POCS算法，关键点滤波算法是一种基于空间的，应用金字塔配准策略的弹性模型下的图像配准算法，它能够获取多幅低分辨率图像之间的子像素位移，同时基于关键点的非线性滤波在金字塔配准策略下能够使得图像中的关键信息部分的配准更为准确，从关键点滤波算法获得的运动估计向量矩阵能有效地结合到POCS算法的像素插值与图像重建步骤之间，实现图像的超分辨率。 本文还提出了两种POCS约束集合用于改进上述POCS算法，分别是运动向量约束集与图像频域约束集。其中运动向量约束集用于约束引入关键点滤波配准算法后的运动向量使得POCS算法能够处理关键点滤波配准不完全准确的情况，而图像频域约束集用于约束图像本身的频域信息，减轻图像边缘的振铃效应，提高图像整体的视觉效果。