【正文】 現(xiàn)有的成像技術的限制，我們還不能夠獲取滿足更高要求的高清晰圖像。由于層析成像技術的特殊機理，超分辨率圖像重建技術可以在該領域獲得重要的應用。(4) 在銀行、證劵等部門的安全監(jiān)控系統(tǒng)中，當有異常情況發(fā)生后，可對監(jiān)控錄像進行超分辨率重建，提高圖像要害部分的分辨率，從而為事件的處理提供重要的線索。(5) 可以將超分辨率重建技術用于圖像壓縮。平時存儲或傳輸低分辨率的圖像信息，當有不同需要時，再利用超分辨率重構技術獲得不同分辨率的圖像和視頻。此外，超分辨率圖像重建技術有可能使圖像實現(xiàn)從檢出水平(detectionl evel)向識別水平(recognitionlevel)的轉化，或更進一步實現(xiàn)向細辨水平(identification level)的轉化。超分辨率圖像重建技術可以提高圖像的識別能力和識別精度。(6) 在資源與環(huán)境的衛(wèi)星遙感應用領域中，地球資源衛(wèi)星的發(fā)射是為了獲取多光譜圖像，通過對這些圖像進行一系列的處理，可以獲取不同的有用信息。例如：植被的分類及分布、區(qū)域地理結構以及水資源的分布面積等信息。但是由于現(xiàn)有成像技術的限制，圖像的分辨率限制了圖像的判別和定位的精度。利用超分辨率圖像重建技術對這些圖像進行重建，從而提高所需資料的獲取精度。總之，隨著超分辨率技術的發(fā)展和完善，其應用領域會繼續(xù)擴大，圖像超分辨率處理技術有著較為廣闊的發(fā)展空間。 本論文的主要研究內容及其完成的工作本文主要研究了灰度圖象超分辨率重構算法，考慮了圖象退化模型已知和未知，有噪聲和無噪聲等情況，對于提出的每個算法都進行了實驗結果分析。在深入研究現(xiàn)有圖像超分辨率處理技術的基礎上，希望提出一些新的思想，引入一些新的方法與途徑，來提高超分辨率復原圖像的質量，或者提高既有算法的性能和效率。在論文中首先建立超分辨率復原的降質退化模型，用軟件的方法生成低分辨率觀測序列圖像，并用基于圖像配準的運動參數估計方法對觀測序列圖像的運動信息進行估計。分析并比較時間域以及空間域的各種超分辨率算法的性能，選取一種較為直接而且有效的算法作為本課題研究的主要算法。第二章為已有的各種圖象超分辨率重構算法的綜述。首先介紹了圖象退化的模型和圖象超分辨率重構研究的概況，然后分頻域和空間域兩種情況介紹了己有的各種圖象超分辨率重構算法，空間域方法主要包括：非均勻空間樣本插值、迭代反投影、凸集投影、最大后驗概率估計、最大似然估計以及混合MAP/POCS方法等。并且從算法復雜度以及圖像重構的效果等幾個方面對頻域算法與空間域算法進行了比較。同時對目前最熱門的兩種算法：MAP算法以及POCS算法進行了比較。第三章主要是對目前最熱門的序列圖像重構算法的POCS算法進行了比較深入的研究。目前在POCS超分辨率圖像重構的實現(xiàn)中在初值的選取時普遍采用的是雙線性插值算法。雙線性插值是將原始圖像上的各點首先對應到放大圖像的各點上，在此基礎上進行插值并且不區(qū)分邊緣區(qū)域和平滑區(qū)域，這是造成邊緣模糊的主要原因。因而就想到了要對圖像的邊緣點進行特殊的處理即用保持原始圖像的邊緣信息進行圖像插補的方法代替雙線性插值來求解POCS算法中高分辨率圖像的初始估計，然后在此基礎上進行POCS算法，并在MATLAB開發(fā)平臺上進行仿真試驗。 第四章主要是對上一章所提出的方法進行試驗仿真，仿真結果證明了基于邊緣保持的POCS算法的可行性以及有效性。第五章給出了一些結論以及未來要做的工作。2 超分辨率圖像重建算法研究 超分辨率技術概述超分辨率圖像復原是將多幅圖像的退化因素去除后再融合，這需要解決圖像的運動估計、退化圖像去模糊和去噪聲以及對還原后的圖像信息進行融合等，超分辨率圖像復原是一個病態(tài)問題，主要表現(xiàn)在：第一，圖像在獲取的過程中，噪聲嚴重，觀測圖像與原始圖像嚴重不一致，無法進行估計，造成無解。第二，由于幅員的過程中，約束條件不充分得到的解不是唯一的；第三，圖像獲取過程中的噪聲增加了圖像的不確定性，造成解的不連續(xù)性。超分辨復原需要處理以下幾個問題：（1）運動估計：估計低分辨率圖像序列的信息在待恢復HR圖像中的對應位置，確定由低分辨率圖像的子像素運動所形成的位移算子。（2）幾何形變：根據運動估計結果，將低分辨率圖像信息通過插值和幾何形變還原到HR圖像坐標中。（3）信息融合：將還原到HR圖像坐標中的信息融合到一張圖片中，可以采用多種信息融合算法。（4）去模糊和噪聲：在HR融合圖像中需要去除模糊和噪聲，如果圖像模糊和噪聲未知，需要先圖像序列中估計。超分辨率影像重建技術于60年代由Hamm和Goodman最初以單張影像復原的概念和方法提出，隨后許多人對其進行了研究，并相繼提出了各種復原方法，雖然這些方法做出了較好的仿真結果，但并沒有在實際中得到廣泛的應用。80年代末之后，隨著計算機技術、電子技術以及信號處理理論與技術特別是小波理論、自適應濾波理論以及一些優(yōu)化理論的發(fā)展，人們在超分辨率影像重建方法研究上取得了突破性進展，研究成果倍出，其應用涵蓋了航空航天遙感、目標識別、醫(yī)學計算機層析成像、空中目標光電監(jiān)視成像等諸多領域。值得一提的是，國際著名的光學儀器制造公司Leica/Hellawa公司、法國國家航天研究中心已經把該領域的理論研究成果轉化到硬件產品交錯CCD傳感器陣列的設計中，并已將其分別應用于他們的遙感設備“ADS40”和“SPOT5”衛(wèi)星，取得了相當理想的效果。從目前的研究和應用成果來看，人們提出了很多圖象超分辨率算法。這些算法按照可以獲得的低分辨率圖象的數量可以分為兩類：1)序列圖象的高分辨率估計： 組合同一場景的多幅低分辨率圖象以獲得一幅高分辨率圖象的過程；2)單幅圖象的高分辨率估計：由一幅低分辨率圖象得到一幅高分辨率圖象的過程。另外，序列圖象超分辨算法也可以分為空間域方法和頻率域方法。早期的研究工作主要集中在頻率域進行，但隨著更一般的退化模型的考慮，后期的研究工作幾乎都集中在空間域進行。 頻域方法頻率域方法是圖像超分辨率重建中的一類主要方法，主要是基于傅氏變換和反變換來進行的圖像復原。它通過在頻率域消除頻譜混疊而改善圖像的空間分辨率，由于圖像的細節(jié)靠高頻信息來表現(xiàn)，而通過消除頻譜混疊，就可以獲得更多的被淹沒掉的高頻信息，因此依靠在頻率域解頻譜混疊就是增加圖像的細節(jié)，提高分辨率。目前采用的主要是消混疊重建方法(Reconstruction via Alias Removal)，消混疊重建方法是通過解混疊而改善影像的空間分辨率，進行超分辨率重建。最早的研究工作是由Tsai和Huang在1984年進行的。作為兩類主要的重建算法之一，頻域算法的基本思想就是將圖像數據先變換到頻域進行結合轉換，再變換回空間域形成高分辨率圖像。它主要利用了采樣定理以及連續(xù)傅立葉變換(CFT)，離散傅立葉變換(DFT)的性質等。在原始場景信號帶寬有限的假設條件下，利用離散Fourier變換和連續(xù)Fourier變換之間的平移、混疊性質，給出了一個由一系列欠采樣觀測影像數據重建HR影像的公式，使得多幀觀察圖像經混頻的離散傅立葉變換系數與未知場景的連續(xù)傅立葉變換系數以方程組的形式聯(lián)系起來，方程組的解就是原始場景的頻率域系數，再利用求解的頻率域系數進行傅立葉逆變換就可實現(xiàn)原始場景的精確重建，該方法要求圖像間位移參數的估計達到子像素精度，而且每一幀觀察圖像都必須只對方程組中的一個不相關的方程做出貢獻。頻域算法有以下的優(yōu)點：首先它是一種簡單而且直觀的方法，雖然實現(xiàn)起來有一定的復雜度，但是它的基本原理很清晰，使用的頻域法則也只是很容易理解的基本的傅立葉變換性質；其次，頻域算法的計算復雜度低，其主要計算量是求解線性方程組，由于超分辨率圖像的每個頻域采樣點值的計算是獨立的，所以可以支持大量的并行運算，提高處理速度。但是，頻域算法的缺陷也非常明顯：(1) 使用全局位移的運動模型：頻域算法的提出最初是為了處理衛(wèi)星圖片，不同的圖片之間只是拍攝角度有細微的差別，所以可以方便地應用全局位移模型，不過對于一般的圖像序列全局位移的要求很可能不被滿足，由于傅立葉變換的平移特性是頻域算法使用的基本技術之一，很難對運動模型進行調整以適應有局部運動情況的圖像序列，缺少靈活性，從而限制了在大多數實際情況。(2) 退化模型與運動模型的問題類似，頻域算法因為要把所有像素點統(tǒng)一轉換到頻域進行處理，所以無法應用隨空間變化的退化模型，沒有考慮光學系統(tǒng)的點擴散函數PSF、運動模糊和觀測噪聲的影響。對觀察噪聲的處理能力也非常有限。(3)先驗知識的應用：超分辨率圖像重構是病態(tài)求逆的過程，因此恢復過程中利用各種先驗知識進行圖像調整是很重要的。通常最有用的先驗知識都是在空間域對圖像的重構范圍進行限制的，它們很難被用于頻域，除非其效果是移不變的。(4)圖像頻帶受限：圖像頻帶有限與全局位移都是進行頻域重構的基本假設。算法中L值的設置會限制重構圖像的質量，如果設置得高，就會導致線性方程組中的未知量過多，數據點不足的問題。 空間域方法空間域方法是圖像超分辨率重建應用中另一類主要的方法，是目前研究的熱點，它的性能要遠遠高于頻域的方法。它將復雜的運動模型與相應的插值、迭代及濾波重采樣放在一起進行處理，作為影像重建的全部內容，其線性空間域觀測模型涉及到全局和局部運動、光學模糊、幀內運動模糊、空間可變點擴散函數、非理想采樣及其他一些內容。空間域影像超分辨率重建方法主要包括非均勻間隔樣本內插(Interpolation of NonUniformly Spaced Samples)、后向投影迭代(IBP)，概率論方法(Probabilitic Methods)以及集合論方法(Set Theoretic Methods)、混合MAP/POCS方法以及自適應濾波方法等。 非均勻空間樣本差值算法 觀測影像序列經過配準后，形成一幅由非均勻間隔采樣格網點上的樣本值形成的復合影像，這些非均勻間隔樣本點經過內插和重采樣可形成超分辨率的采樣格網。非均勻間隔樣本內插方法是超分辨率圖像復原最直觀的方法。在這一方法中，首先對圖像進行相對運動估算，即配準，然后進行非均勻插值以便產生一幅分辨率較高的圖像，最后對圖像進行去模糊。通用插值方法將包含原始函數的空間分解為適當的子空間，在每一個