论文部分内容阅读
图像分辨率反映图像的清晰程度,是图像信息丰富程度的一种衡量指标。图像采集过程中的各种降质因素会降低图像分辨率。传统的超分辨率图像复原通过多帧低分辨率图像复原高分辨率图像,但无法解决模糊核未知情况下的复原问题。为此本文通过研究盲反卷积算法和超分辨率图像复原算法,解决超分辨率图像盲复原问题。通过研究多种传统的图像降质模型,提出了新广义图像降质模型及广义超分辨率图像盲复原算法模型。根据峰值信噪比和误差平方和,提出新的客观评价体系,衡量文中各算法的复原效果。通过实验证实,本文的新客观评价体系是合理有效的。基于多帧图像的超分辨率图像盲复原算法存在运算量大、耗时长的缺点,而且容易受到低分辨率降质图像序列中存在的野值干扰,因此降低了图像和模糊核的复原速度和精度。为此,本文提出了以下算法克服上述不足。一是基于TVBD的超分辨率图像盲复原算法,将TVBD盲反卷积算法引入传统的超分辨率图像复原模型,用TV正则化约束图像或模糊核,用交替最小化方法解决盲去模糊问题。实验表明,算法能有效实现超分辨率图像盲复原,恢复未知的模糊核,并能提高复原精度。二是基于MSAA中值算法的超分辨率图像盲复原算法,通过MSAA算法去除低分辨率图像序列中的野值,并通过简化算法结构来减少算法的运算量,从而可有效提升算法速度和精度。实验表明,算法能有效去除野值干扰并减少算法运算量,具有精度优势和速度优势。三是基于对数图像先验的超分辨率图像盲复原算法,通过采用LogTVMM正则化项和交替最小化方法,实现超分辨率图像盲复原,提高算法精度;在存在野值的情况,将LogTVMM和MSAA相结合,既可以去除野值干扰,还可以提高算法速度,同时利用图像的梯度信息,提高了算法的复原效果。实验表明,算法能有效提升运算速度和复原精度。