圖像超分辨率重建研究.pdf

1、視覺是人類獲取外界信息的最主要的途徑。圖像，作為對客觀世界的真實寫照，成為人類認識世界的最常用的信息載體。在現(xiàn)實生活中，受成像設(shè)備的硬件成本、硬件的制造工藝以及信息傳輸條件的限制，通常人們所獲得的圖像只具備較低的分辨率，因而制約了人們對其做進一步的開發(fā)與利用。由此引出圖像超分辨率重建問題，從退化的低分辨圖像中估計出隱含的清晰的高分辨率圖像。并且要求重建后的圖像做到盡可能的清晰，盡可能的真實，以及盡可能少的出現(xiàn)人為痕跡。
　　本文首

2、先將圖像超分辨率重建問題看做是圖像降質(zhì)過程的逆過程，通過對輸入的低分辨率圖像做去噪、上采樣，以及去模糊處理，從而獲得隱含的高分辨率圖像。為此，本文提出了一種基于可控核回歸的多點濾波器，用于解決圖像去噪問題，提出了一種基于差分進化計算的圖像盲解卷積算法，用于解決圖像去模糊問題。
　　本文提出的基于可控核回歸的多點濾波器同時結(jié)合了可控核回歸和引導(dǎo)濾波器兩種算法的優(yōu)點?？煽睾嘶貧w能夠在噪聲環(huán)境下高效地估計濾波權(quán)重，本文將濾波核用于加權(quán)引

3、導(dǎo)濾波器的分析窗口，從而改進了引導(dǎo)濾波器中固定窗口的假設(shè)，使得圖像的局部線性模型更加合理。引導(dǎo)濾波器以其強大的邊緣保持特性而著稱，然而其去噪能力卻很差。通過實驗分析，基于可控核回歸的多點濾波器仍然具備良好的邊緣保持特性，同時又提高了引導(dǎo)濾波器的去噪性能。與可控核回歸相比，本文采用了簡單的回歸模型就能與高階、多次迭代的回歸結(jié)果相匹及，從而簡化了計算。與經(jīng)典的去噪算法相比，本文提出的濾波器能夠有效地抑制圖像中的高斯噪聲。
　　本文提出

4、的基于差分進化計算的圖像盲解卷積算法充分利用差分進化算法的簡單優(yōu)化過程，去優(yōu)化復(fù)雜的圖像盲解卷積問題。為了克服在經(jīng)典貝葉斯推斷中的無模糊解釋的缺陷，我們?yōu)槟：俗兞吭O(shè)計了分段形式的先驗，從而避免出現(xiàn)圖像無模糊解釋的結(jié)果。考慮到模糊核變量的個數(shù)遠小于圖像變量的個數(shù)，本文選擇模糊核變量作為差分進化算法的優(yōu)化變量。由于差分進化算法是一個重復(fù)迭代的算法，目標(biāo)代價需要重復(fù)計算多次。為了加快計算，本文先將圖像的先驗松弛為高斯先驗，并且在選擇操作加入

5、了一步快速的粗略選擇。最后，利用由差分進化計算優(yōu)化得到的模糊核以及圖像的稀疏先驗，解卷積得到清晰圖像。通過實驗分析，本文提出的算法是有效的，并能夠成功的處理散焦模糊圖像和運動模糊圖像。
　　其次，為了進一步提高重建結(jié)果的質(zhì)量，本文重點研究圖像的盲超分辨率重建問題，也就是在估計高分辨率圖像的同時，估計圖像在退化過程中的模糊。本文從影響模糊估計的因素入手，逐一討論在貝葉斯推斷框架下利于模糊估計的有效邊緣，并提出一種基于邊緣選擇的模糊估

6、計算法，用來精確地估計在重建約束中的模糊，解決了現(xiàn)有超分辨率重建算法存在的由不精確的模糊估計而導(dǎo)致的重建結(jié)果模糊的問題。雖然圖像超分辨率重建問題很早就被提出，但是截至目前為止，該問題仍然沒有被完全解決。這是因為，每種圖像超分辨率重建算法都對圖像的退化過程有一種假設(shè)，當(dāng)輸入的圖像滿足假設(shè)時，就可以重建出理想的結(jié)果。當(dāng)輸入的圖像不滿足假設(shè)時，便會得到差強人意的重建結(jié)果。在一組合成數(shù)據(jù)上的實驗結(jié)果表明，本文提出的基于邊緣選擇的盲超分辨率算法是

7、有效可行的，并能夠提高部分圖像超分辨率重建算法的性能。
　　最后，本文根據(jù)實際需求，提出圖像的多顯示終端適配顯示的問題，該問題同時包含了圖像重定向和圖像超分辨率重建兩個問題。為此，本文提出了一種基于內(nèi)容的圖像盲超分辨率重建算法，能夠上采樣輸入圖像到任意分辨率，并且同時保證上采樣后的圖像具有清晰銳利的邊緣，并且不破壞輸入圖像的重要結(jié)構(gòu)。此外，本文將重定向中的網(wǎng)格映射表達成線性的形式，從而公式化出一個稀疏矩陣。由于該矩陣具備采樣的功能