【正文】 ，超分辨圖像重建技術(shù)也有著很廣闊的應(yīng)用，超分辨率圖像重建技術(shù)可以利用普通監(jiān)視錄像資料，重建出高清晰的目標(biāo)圖像，從而有利于相關(guān)人員的辨識(shí)。 圖像超分辨率重建的應(yīng)用 由于超分辨率重建技術(shù)在一定條件下，可以克服圖像系統(tǒng)內(nèi)在分辨率的限制，提高被處理圖像的分辨率，因而超辨率技術(shù)的應(yīng)用正在快速的增長(zhǎng)，在視頻、遙感、醫(yī)學(xué)和安全監(jiān)控等領(lǐng)域具都有十分重要的應(yīng)用。因此通過(guò)改善成像裝置硬件的分辨力來(lái)提高圖像的分辨能力是有限的也是不切實(shí)際的。技術(shù)工藝的制約也限制了圖像分辨率的進(jìn)一步提高。對(duì)于數(shù)字圖像在一些情況下一般要求是高分辨圖像，如：醫(yī)學(xué)圖像要求能夠顯示出那些人眼不能辨別出的細(xì)微病灶；衛(wèi)星地面要求衛(wèi)星圖像至少能夠辨別出人的臉相甚至是證件；有些檢測(cè)識(shí)別控制裝置需要足夠高分辨率的圖像才能保證測(cè)量和控制的精度。在序列圖像超分辨率重建算法中，本文對(duì)POCS方法做了比較細(xì)致的研究，針對(duì)用常規(guī)POCS算法重建的高分辨率圖像中出現(xiàn)的導(dǎo)致圖像邊緣質(zhì)量下降的現(xiàn)象,分析了圖像邊緣模糊形成的原因，對(duì)算法進(jìn)行了改進(jìn)，提出了邊緣保持的POCS算法，用基于梯度的插值算法來(lái)獲取POCS的初始值，實(shí)驗(yàn)結(jié)果表明，該方法能夠得到較好的視覺(jué)效果，明顯地提高重建圖像的邊緣質(zhì)量。對(duì)于一定的數(shù)字成像系統(tǒng)，通過(guò)超分辨率圖像重建可以得到高質(zhì)量的圖像而不需要提高系統(tǒng)的硬件性能，因此它可以被廣泛應(yīng)用于圖像處理的各種領(lǐng)域中。超分辨率圖像重建算法可以分為兩大類(lèi)，即頻域算法和空域算法。關(guān)鍵詞：超分辨率復(fù)原，凸集投影，邊緣保持ABSTRACTSuperresolution image restoration is a method that bines multiple similar but not identical lowresolution images into a higher resolution single image. In a particular digital imaging system,using superresolution methods can help to obtain higher quality images without up grading system hard ware,therefore superresolution techniques can be applied to vast imageprocessing areas.Superresolution techniques can be divided into two main categories:frequency domain methods and spatial domain methods. Frequency domain methods are earlier superresolution methods,they can only deal with image sequences that only translational motions are allowed. Spatial methods use general observation models,they have better adaptability and performance. In POCS method,projection onto convex sets theories is employed to realize superresolution restoration,it is intuitive in theoretical and has good reconstruction performance. POCS is one of the most promising superresolution restoration methods.In sequence LR images reconstruction,the research work in this paper focuses on POCS,analyzing the factors which influence the results of super resolution. According to the traditional superresolution image reconstruction algorithm led to the blur edge of reconstructed high image. With an analysis of the reason which led to the blur edge of highresolution reconstruction image,a new image interpolation based on gradient is proposed,it kept large information of the image edge. Use this new image interpolation to get the original value of the POCS. The experimental tests show that this algorithm can significantly improve the quality of the reconstruction image.Key words：superresolution restore, projection onto convex sets, edge maintain 目 錄中文摘要 ⅠABSTRACT Ⅱ1緒論 1 研究背景及研究意義 1 圖像超分辨率重建的應(yīng)用 2 本論文的主要研究?jī)?nèi)容及其完成的工作 32 超分辨率圖像重建算法研究 4 概述 4 頻域方法 5 空域方法 6 非均勻空間樣本插值算法 6 迭代反投影算法 7 凸集投影算法 7 最大后驗(yàn)概率估計(jì)和最大似然估計(jì)算法 7 混合MAP/POCS方法 8 83 POCS算法及其改進(jìn)算法的實(shí)現(xiàn) 11 11 12 運(yùn)動(dòng)估計(jì) 12 13 POCS圖像重建算法步驟 13 144 試驗(yàn)結(jié)果與分析 16 16 175 結(jié)論 18 論文總結(jié) 18 工作展望 18參考文獻(xiàn) 201 緒論 伴隨著計(jì)算機(jī)技術(shù)、信息處理技術(shù)和視覺(jué)通信技術(shù)的高速發(fā)展，人類(lèi)進(jìn)入了一個(gè)全新的信息化時(shí)代。因此提高圖像分辨率是圖像獲取領(lǐng)域里追求的一個(gè)目標(biāo)。事實(shí)上隨著像素尺寸的減少，每個(gè)像素接收到的光照強(qiáng)度也隨之降低，傳感器自身的噪聲將嚴(yán)重影響圖像的質(zhì)量，造成拍攝的影像信噪比不高，因此，像素尺寸不可能無(wú)限制的降低，而是有下限的，當(dāng)CCD傳感器陣列密度增加到一定程度時(shí)，圖像的分辨率不但不會(huì)提高反而會(huì)下降，這是因?yàn)楫?dāng)CCD陣列密度增加到一定的程度即傳感單元變得相當(dāng)小時(shí)，將使產(chǎn)生的圖像光電信號(hào)變得非常微弱而被傳感單元的噪聲嚴(yán)重污染甚至淹沒(méi)從而導(dǎo)致圖像退化。因此，需要一種有效的方法來(lái)克服圖像傳感器的這些限制。例如：(1) 在數(shù)字電視(DTV)向高清晰度電視(HDTV)過(guò)度階段，僅有部分電視節(jié)目會(huì)以HDTV的形式播出，不少節(jié)目采用的是DTV的形式。(3) 在醫(yī)學(xué)成像系統(tǒng)中（如CT、MRI和超聲波儀器等），可以用超分辨率重建技術(shù)來(lái)提高圖像質(zhì)量，對(duì)病變目標(biāo)進(jìn)行仔細(xì)地檢測(cè)，在醫(yī)學(xué)檢測(cè)中往往需要通過(guò)層析成像技術(shù)識(shí)別并確定出病體的精確位置及詳細(xì)情況：如陰影的邊緣、病體占位的大小及位置等。(5) 可以將超分辨率重建技術(shù)用于圖像壓縮。(6) 在資源與環(huán)境的衛(wèi)星遙感應(yīng)用領(lǐng)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(guò)對(duì)這些圖像進(jìn)行一系列的處理，可以獲取不同的有用信息。總之，隨著超分辨率技術(shù)的發(fā)展和完善，其應(yīng)用領(lǐng)域會(huì)繼續(xù)擴(kuò)大，圖像超分辨率處理技術(shù)有著較為廣闊的發(fā)展空間。分析并比較時(shí)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。同時(shí)對(duì)目前最熱門(mén)的兩種算法：MAP算法以及POCS算法進(jìn)行了比較。因而就想到了要對(duì)圖像的邊緣點(diǎn)進(jìn)行特殊的處理即用保持原始圖像的邊緣信息進(jìn)行圖像插補(bǔ)的方法代替雙線(xiàn)性插值來(lái)求解POCS算法中高分辨率圖像的初始估計(jì)，然后在此基礎(chǔ)上進(jìn)行POCS算法，并在MATLAB開(kāi)發(fā)平臺(tái)上進(jìn)行仿真試驗(yàn)。第二，由于幅員的過(guò)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(guò)程中的噪聲增加了圖像的不確定性，造成解的不連續(xù)性。（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(jì)。從目前的研究和應(yīng)用成果來(lái)看，人們提出了很多圖象超分辨率算法。 頻域方法頻率域方法是圖像超分辨率重建中的一類(lèi)主要方法，主要是基于傅氏變換和反變換來(lái)進(jìn)行的圖像復(fù)原。作為兩類(lèi)主要的重建算法之一，頻域算法的基本思想就是將圖像數(shù)據(jù)先變換到頻域進(jìn)行結(jié)合轉(zhuǎn)換，再變換回空間域形成高分辨率圖像。但是，頻域算法的缺陷也非常明顯：(1) 使用全局位移的運(yùn)動(dòng)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(xì)微的差別，所以可以方便地應(yīng)用全局位移模型，不過(guò)對(duì)于一般的圖像序列全局位移的要求很可能不被滿(mǎn)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(shù)之一，很難對(duì)運(yùn)動(dòng)模型進(jìn)行調(diào)整以適應(yīng)有局部運(yùn)動(dòng)情況的圖像序列，缺少靈活性，從而限制了在大多數(shù)實(shí)際情況。通常最有用的先驗(yàn)知識(shí)都是在空間域?qū)D像的重構(gòu)范圍進(jìn)行限制的，它們很難被用于頻域，除非其效果是移不變的。它將復(fù)雜的運(yùn)動(dòng)模型與相應(yīng)的插值、迭代及濾波重采樣放在一起進(jìn)行處理，作為影像重建的全部?jī)?nèi)容，其線(xiàn)性空間域觀(guān)測(cè)模型涉及到全局和局部運(yùn)動(dòng)、