论文部分内容阅读
在道路病害检测中，由于摄像机多处于野外环境，通常摄像设备较为简陋，获取的道路图片分辨率较低。同时由于硬件成本较高，且成像系统本身的技术瓶颈，使得在很多领域高分辨率图像通常难以获取。图像超分辨率重建技术的基本原理是通过软件手段从多幅具有非冗余互补信息的低分辨率图像重构出包含更多信息的高分辨率图像的过程。超分辨率重建技术不需要在硬件上改变成像系统便能提高图像的空间分辨率，这样能极大降低高分辨率图像的获取成本。超分辨率重建技术广泛应用的同时也存在着许多亟待解决的问题，如超分辨率重建过程是病态的，解不唯一的。另外超分辨率重建的全过程涉及多个环节，如图像配准中的运动估计、插值放大、能量函数选择、算法求解、去模糊，如何保证高效的实现重建过程需要各个环节的优化协调。本文主要研究内容及成果如下：①提出基于高斯金字塔的小十字形搜索算法：针对图像配准中求取运动位移估计计算量大的缺点，采用基于高斯金字塔思想的运动估计算法，通过使用高斯金字塔将图像分层，先在金字塔上层搜索运动偏移量，然后以此偏移量为初始偏移量，再在金字塔下层进行搜索，由于金字塔上层搜索范围远小于原图，因此能大大提高搜索速度。表3.2中实验结果表明，本文算法与传统DS算法、NDS算法以及AHSDS算法相比，搜索点数最多减少128.24%，96.55%以及16.82%。PNSR最多下降了8.91%,6.76%，4.05%。说明本文算法能够在保持运动估计效果的前提下，减少运动估计搜索点数。②采用改进的基于加权预测的迭代盲解卷积算法去模糊：本文研究将使用一种基于加权预测的迭代盲解卷积算法，并对迭代过程中的加速算子采用加权的方式进行更新优化。通过分析表4.1以及4.2的实验结果可以发现，与采用传统L-R算法进行盲解重建相比，本文算法PSNR略有变小，分别下降为3.3%,4.3%,3.64%，4.15%,但去模糊过程迭代次数明显减少，分别减少了48.25,51.43,50.43,43.9倍。③通过3.4节以及第5章的仿真实验，可以发现，本文提出的基于高斯金字塔的小十字形搜索算法以及基于加权预测的迭代盲解卷积算法在优化算法效率方面有着较好的效果。并且通过分析第5章的仿真实验，可以发现，基于L1范数的超分辨率重建，对于图像边缘信息的保持有着良好的效果。