基于自適應(yīng)先驗(yàn)?zāi)Ｐ偷淖兎重惾~斯圖像超分辨率算法研究.pdf

1、在獲取和傳輸圖像的過(guò)程中，存在各種降質(zhì)因素，例如噪聲、模糊、降采樣、形變等，使獲取圖像的質(zhì)量下降。提高圖像的空間分辨率和改善圖像質(zhì)量具有非常重要的實(shí)際意義，因此圖像超分辨率技術(shù)得到了越來(lái)越多的青睞。在計(jì)算機(jī)視覺(jué)領(lǐng)域，該技術(shù)可以進(jìn)一步細(xì)化圖像，推進(jìn)基于圖像內(nèi)容的研究，例如從圖像檢測(cè)向圖像識(shí)別發(fā)展。目前，在軍事、醫(yī)學(xué)、公共安全等領(lǐng)域圖像超分辨率技術(shù)都有著重要的應(yīng)用前景。變分貝葉斯圖像超分辨率技術(shù)可以將高分辨率圖像、運(yùn)動(dòng)參數(shù)和超參數(shù)統(tǒng)一到一個(gè)

2、框架下進(jìn)行聯(lián)合估計(jì)，為多幀圖像超分辨率技術(shù)開辟了新的道路。但是目前已發(fā)展的變分貝葉斯圖像超分辨率算法不能在保護(hù)邊緣的同時(shí)有效地抑制噪聲，或是沒(méi)有實(shí)現(xiàn)對(duì)全部算法參數(shù)的自適應(yīng)估計(jì)。針對(duì)以上問(wèn)題，對(duì)圖像先驗(yàn)建模進(jìn)行了深入研究，并從理論上分析了構(gòu)建模型的有效性，提出了一系列變分貝葉斯圖像超分辨率算法。以兩類常見(jiàn)且構(gòu)造簡(jiǎn)單的車牌和條形碼圖像作為測(cè)試對(duì)象展開研究，然后由特殊到一般，提出了一種具有普適性的自適應(yīng)算法。
　　本研究主要內(nèi)容包括：⑴

3、提出一種基于高斯模型和TV-SAR模型的變分貝葉斯車牌圖像超分辨算法。首先，構(gòu)建一種高斯模型來(lái)描述車牌圖像灰度的雙峰分布特性，并利用TV-SAR模型來(lái)描述圖像的分段常值特性，然后將兩種模型統(tǒng)一到變分貝葉斯推斷框架中，從而實(shí)現(xiàn)高斯模型和TV-SAR模型對(duì)重建過(guò)程的約束以及自動(dòng)重建。實(shí)驗(yàn)結(jié)果表明，該算法能夠提高重建質(zhì)量。⑵針對(duì)高斯模型和TV-SAR模型不適用于邊緣密集程度變化較大的條形碼圖像，提出一種基于邊緣保護(hù)模型的變分貝葉斯條形碼圖像超

4、分辨率算法。首先，構(gòu)建一種邊緣保護(hù)圖像模型，在該模型中使用間斷自適應(yīng)函數(shù)來(lái)度量圖像局部的平滑性，該模型同時(shí)兼顧了條形碼的各向異性特性，然后將該模型應(yīng)用到變分貝葉斯推斷框架中。實(shí)驗(yàn)結(jié)果表明，該算法能夠自適應(yīng)地調(diào)節(jié)對(duì)條形碼圖像平滑性的約束強(qiáng)度，提高了重建條形碼圖像的對(duì)比度和清晰度。⑶針對(duì)邊緣保護(hù)模型不能有效地區(qū)分自然圖像中的弱邊緣和噪聲點(diǎn)問(wèn)題，提出一種基于AHQ模型的變分貝葉斯自然圖像超分辨率算法。首先定義一個(gè)自適應(yīng)半二次函數(shù)，通過(guò)該函數(shù)針

5、對(duì)圖像的局部性質(zhì)自適應(yīng)地調(diào)節(jié)平滑約束強(qiáng)度，并建立基于自適應(yīng)半二次函數(shù)的圖像先驗(yàn)?zāi)Ｐ?，然后將該模型?yīng)用到變分貝葉斯推斷框架中。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效地保護(hù)自然圖像邊緣。⑷針對(duì)AHQ模型在強(qiáng)噪聲下會(huì)產(chǎn)生偽跡等問(wèn)題，提出一種基于混合模型的變分貝葉斯強(qiáng)噪聲圖像超分辨率算法。該算法通過(guò)一個(gè)加權(quán)函數(shù)將AHQ模型和Tikhonov模型耦合，并采用一種折線（Broken Line）模型來(lái)估計(jì)耦合權(quán)重，然后將該模型應(yīng)用到變分貝葉斯推斷框架中。實(shí)驗(yàn)結(jié)