車載采集城市街景圖像的超分辨率重建.pdf

1、大眾化的車載為了滿足圖像的實時顯示以及高速存儲的要求，其圖像質(zhì)量往往不盡人意。通常情況下，圖像傳感器（CCD，Charge-coupled device）能夠獲得較好的圖像質(zhì)量，但是在特殊的場合，由于在圖像的成像、傳輸、存儲、顯示的過程中，受到成像距離、成像環(huán)境、傳感器的形狀和大小、空氣擾動、物體運動以及鏡頭散焦的影響，大眾化的車載采集的圖像呈現(xiàn)出不同類型的降質(zhì)，其中降質(zhì)類型主要包括：含噪圖像、運動模糊圖像、鏡頭畸變圖像、大氣湍流模糊圖

2、像、散焦模糊圖像。圖像降質(zhì)表明有效的圖像信息受到污染或丟失，這將嚴重影響突發(fā)狀況時對于有效的車載采集到的圖像信息的獲取。為了在分析取證時獲得足夠的圖像細節(jié)信息（車輛特征、環(huán)境特征），為刑偵分析提供取證。改善圖像質(zhì)量的超分辨率重建技術成為了圖像處理領域研究的熱點課題。
　　圖像超分辨率重建的方法主要有兩類：由同一場景的多幅降質(zhì)圖像重建出一幅高分辨率圖像；由單幅降質(zhì)圖像重建出一幅高分辨率圖像?？紤]到難以獲得同一場景下多張車載采集圖像的

3、性質(zhì)，本文將致力于解決單幅車載采集的城市街景圖像（環(huán)境特征）的超分辨率重建的問題。
　　在各種因素的影響下，五類降質(zhì)圖像中以含噪圖像以及運動模糊圖像最為普遍，因此主要針對存在斑點噪聲以及運動模糊的車載采集的城市街景圖像展開研究，首先對這兩類圖像進行預處理，去除其存在的斑點噪聲或者運動模糊，得到較低分辨率的車載圖像，再對預處理之后的低分辨率車載圖像進行自相似性超分辨率重建，從而最終得到清晰的車載圖像。對于重建車載采集的城市街景圖像的

4、好壞，采用無參考圖像評價指標為評判標準，相較于現(xiàn)有的比較好的超分辨率重建算法來講，本文的方法在圖像信息熵（entropy）、圖像對比度（contrast）、算法復雜度（執(zhí)行時間）、圖像邊緣強度（ESL）、盲圖像質(zhì)量評價指標（BIQI）上都有一定的提高，驗證了本文算法在車載圖像超分辨率重建方面的有效性。現(xiàn)將本文的主要工作以及創(chuàng)新點總結如下：
　?。?）分析了車載采集圖像呈現(xiàn)出的不同降質(zhì)情況，首先針對含有斑點噪聲的車載采集的城市街景圖

5、像進行預處理，通過控制核回歸的方法對圖像塊進行加權處理，對相似的圖像塊進行聚類，由主成分分析法（PCA）進行字典原子的優(yōu)化選擇，提取表征能力最佳的原子構建最優(yōu)字典，利用核回歸方法對圖像進行估計，結合DWO-TV方法提升圖像的階躍邊緣，最后進行圖像融合。
　?。?）分析了車載采集的城市街景圖像的另一種降質(zhì)情況，即運動模糊圖像。針對運動模糊的車載采集的城市街景圖像進行預處理，針對模糊核估計和隱含圖像的估計分別采用了如下算法。對于模糊核

6、的估計，采用變分狄利克雷方法，該方法與變分貝葉斯方法不同，它使得優(yōu)化問題不需要任何等式約束，用梯度投影法求解優(yōu)化問題，提取圖像邊緣的精確方向，能夠較準確的估計模糊核。對于隱含圖像的估計，通過改進的增廣拉格朗日算法來處理不確定的邊界條件，以提高估計圖像的質(zhì)量和算法的運行速度。同時將一個有效的優(yōu)化算法（超拉普拉斯法）應用于盲圖像復原中，并結合變分狄利克雷方法對模糊核進行估計。
　?。?）對預處理之后的車載采集的城市街景圖像，采用自相似

7、性超分辨率重建的方法，重建高分辨率的車載圖像。該方法通過在多尺度圖像的仿射變換的基礎上增加透視變換擴展內(nèi)部圖像塊的搜索過程，采用組合模型來處理這兩種變換。通過定位平面、檢測圖像的透視幾何特征引導圖像塊的搜索過程，同時在圖像重建的過程中進行高頻補償彌補圖像金字塔中損失的高頻細節(jié)。最后以迭代反投影進一步驗證圖像的重建效果。
　　實驗結果表明：本文對復原之后的車載采集的城市街景圖像的重建效果無論從主觀視覺上，還是從客觀的評價指標上都優(yōu)于