【導(dǎo)讀】率圖像通過(guò)一定方法融合成一幅高分辨率圖像的處理方法。對(duì)于一定的數(shù)字成像。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，即頻域算法和空域算法。用通用的觀察模型，具有更好的適應(yīng)性和重構(gòu)效果，是目前的主要研究方向。途的超分辨率重建算法之一。到較好的視覺效果，明顯地提高重建圖像的邊緣質(zhì)量。

　　

【正文】 工作就是將未分配的點(diǎn)與周圍的點(diǎn)進(jìn)行雙線性插值處理即可達(dá)到平滑的效果。 經(jīng)過(guò)以上的處理得到了邊緣比較清晰的圖像作為高分辨率圖像 f 的初始估計(jì)? ?? ?0?lf l ，然后再按照 POCS算法的其他步驟對(duì)圖像進(jìn)行重 建處理生成高分辨率圖像。 15 4 試驗(yàn)結(jié)果與分析 試驗(yàn)低分辨率圖像的生成 超分辨率圖像重構(gòu)的對(duì)象是描述同樣的場(chǎng)景，彼此相似而又不完全相同的圖像序列，可以用不同的方法獲取符合這樣要求的圖像序列，比如用數(shù)碼相機(jī)連續(xù)拍攝的相片，或者直接從一段錄像中抽取的連續(xù)幾幀。在實(shí)驗(yàn)中用到的初始的低分辨率圖像序列可以是模擬生成低分辨率圖像序列和數(shù)碼相機(jī)實(shí)際拍攝圖像序列，這兩種圖像序列進(jìn)行復(fù)原的結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn)是不一樣的。模擬生成低分辨率圖像序列的復(fù)原結(jié)果由于有原始高分辨率圖像的存在，因此可以進(jìn)行直觀的數(shù)字比 較如 MSE 等。也可以使用人眼觀察的方式進(jìn)行；而實(shí)際拍攝的圖像序列的復(fù)原結(jié)果則只能采用人眼觀察的模式進(jìn)行比較。 本論文中供測(cè)試程序進(jìn)行重構(gòu)試驗(yàn)的圖像序列主要是通過(guò)對(duì)一幀圖像進(jìn)行亞采樣產(chǎn)生的圖像序列。 進(jìn)行亞采樣的方法如圖 41 所示，以 2*2 的小塊為單位將 4個(gè)像素分別抽樣到不同的低分辨率圖像中，這樣就生成了 4 幀低分辨率圖像： 高分辨率圖像 低分辨率圖像序列 圖 41：圖像亞抽樣方式 也可以使用隨機(jī)抽取的辦法，每幀低分辨率圖像都是在 4 個(gè)像素里面隨機(jī)抽取一點(diǎn) ，但是前面的一種方式有一個(gè)好處，就是原圖像中的所有像素都存在于低分辨率圖像序列中。此外，我們也可以掃描的方式來(lái)獲取低分辨率序列圖像，對(duì)一幅圖案進(jìn)行多次掃描，將掃描精度設(shè)得比較低時(shí)，每次掃描的結(jié)果在圖像細(xì)節(jié)上會(huì)有不少不同處，這正好符合超分辨率圖像重建的本來(lái)目的。圖 52 表示一幀圖像經(jīng)過(guò)亞抽樣以后得到的低分辨圖像序列。 圖 42 表示一幀圖像經(jīng)過(guò)亞抽樣以后得到的低分辨圖像序列。 1 2 1 2 3 4 3 4 1 2 1 2 3 4 3 4 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 16 圖 42：抽樣生成的圖像序列 改進(jìn)的 POCS 算法重構(gòu)結(jié)果及其分析 圖像序列 生成了以后，就可以利用測(cè)試程序?qū)?POCS 算法進(jìn)行重構(gòu)試驗(yàn)。 本次實(shí)驗(yàn)首先將 圖像進(jìn)行抽樣生成一組 LR 圖像序列 ， 使用生成的這組噪聲污染小的 LR圖像序列來(lái)重建原來(lái)的高分辨率圖像。各幀 LR 圖像的大小均為 128*128，復(fù)原的HR 圖像為 256*256。 試驗(yàn)結(jié)果如圖 4 4 46 所示 圖 43 LR 圖像 圖 44 雙線性插值后的結(jié)果 17 圖 45 普通 POCS 算法處理結(jié)果 圖 46 基于邊緣保持的 POCS 算法的結(jié)果 由仿真結(jié)果可以看出 雙線性插值的結(jié)果出現(xiàn)了邊緣模糊的情況，出現(xiàn)這種情況的主要原因是雙線性插值將原始圖像上的各點(diǎn)首先對(duì)應(yīng)到放大圖像的各點(diǎn)上，在此基礎(chǔ)上做插值并且不區(qū)分邊緣區(qū)域和平滑區(qū)域。 對(duì)比圖 45 和 46，基于邊緣保持的 POCS 算法得到的結(jié)果在細(xì)節(jié)的保持方面要優(yōu)于普通的 POCS 算法得到的結(jié)果。 實(shí)驗(yàn)結(jié)果表明 保留邊緣信息的 POCS 超分辨率圖像重建算法是可 行的，并且重建的圖像效果比普通的 POCS 算法重建圖像的效果有了明顯的提高。 18 5 結(jié)論 論文總結(jié) 本文簡(jiǎn)要回顧圖像序列的超分辨重構(gòu)的發(fā)展現(xiàn)狀，綜合考察了超分辨率及超分辨率復(fù)原的國(guó)內(nèi)外發(fā)展現(xiàn)狀，對(duì) SR 重構(gòu)的可行性進(jìn)行了理論分析，建立了 SR重建的空域模型。并介紹了超分辨率復(fù)原中的基本理論知識(shí)和基礎(chǔ)技術(shù)，按照超分辨率復(fù)原技術(shù)的發(fā)展過(guò)程，詳細(xì)闡述了超分辨率復(fù)原技術(shù)的各種方法，重點(diǎn)分析了目前的一些主流方法，并對(duì)各種主流方法的性能進(jìn)行了比較。針對(duì)目前某些方法的不足，提出了一些改進(jìn)的算法。本論文的主要研究工 作主要包括以下幾個(gè)方面： （ 1） 考察了高分辨率場(chǎng)景經(jīng)成像系統(tǒng)時(shí)逐步退化的整個(gè)過(guò)程，并用數(shù)學(xué)模型描述了這個(gè)過(guò)程，從而建立起超分辨率復(fù)原模型；將基于圖像配準(zhǔn)的運(yùn)動(dòng)參數(shù)估計(jì)方法運(yùn)用于超分辨率復(fù)原技術(shù)中，提高了復(fù)原序列圖像運(yùn)動(dòng)信息的估計(jì)精度和估計(jì)速度，為圖像超分辨率復(fù)原的各個(gè)環(huán)節(jié)提供基礎(chǔ)。 （ 2） 對(duì) POCS 算法進(jìn)行了比較深入的研究，對(duì)影響算法的各個(gè)因素進(jìn)行了分析，并對(duì)其中的初值選取的方法進(jìn)行改進(jìn)，提出了一種改進(jìn)的凸集投影算法，并通過(guò)試驗(yàn)證明了本文改進(jìn)的方法能夠重建后的圖像的邊緣起到很好的保護(hù)作用。不管是從視覺上還是 對(duì)重建后的圖像進(jìn)行客觀上的評(píng)價(jià)，都有很大的改進(jìn)。 展望 雖然目前的超分辨率研究己經(jīng)取得了比較大的成就，但是仍然不能滿足現(xiàn)在實(shí)際圖像處理領(lǐng)域要求的日益提高，而超分辨率作為一種切實(shí)可行的、有效的圖像處理方法，以其優(yōu)越的性能及廣泛的應(yīng)用，必將越來(lái)越受到人們的推崇，也必將會(huì)更得到更大的發(fā)展。今后的超分辨率研究主要需要從以下幾個(gè)方面進(jìn)行改進(jìn)： (1) 如何建立更加符合實(shí)際情況的圖像模型 目前的超分辨率重建算法的成像模型都做了某些假設(shè)，忽略了一些更一般的問(wèn)題，因而具有一定的局部性，不能 適合于所有的應(yīng)用場(chǎng)合。實(shí)際成像過(guò)程中包含了各種退化，包括各種模糊、各種噪聲、各種運(yùn)動(dòng)等，建立、擴(kuò)展反映成像系統(tǒng)降質(zhì)過(guò)程的精確觀測(cè)模型，能使算法具有更好的適應(yīng)性，進(jìn)一步提高 SR 復(fù)原技術(shù)的性能。此外將圖像的先驗(yàn)信息有效的引入退化，可以使復(fù)原效果更好。 (2) 超分辨率圖像重構(gòu)算法的創(chuàng)新研究 高分辨率圖像恢復(fù)的算法在圖像運(yùn)動(dòng)估計(jì)、圖像模糊估計(jì)方面需要進(jìn)一步研究。在運(yùn)動(dòng)估計(jì)方面，如果能準(zhǔn)確的得到圖像序列的運(yùn)動(dòng)場(chǎng)就可以從足夠多幀的 19 低分辨率圖像序列中完全復(fù)原出投影到成像平面上的圖像率復(fù)原成功的關(guān)鍵是魯棒的、具有子像素 精度的運(yùn)動(dòng)估算技術(shù)。這樣，超分辨超分辨圖像復(fù)原算法的計(jì)算量非常大，為了將超分辨復(fù)原技術(shù)應(yīng)用于實(shí)際情形，開發(fā)一些計(jì)算效率高的超分辨算法是很重要的。如何將新的數(shù)學(xué)算法引入到超分辨率算法中，提高超分辨率恢復(fù)的能力、減小運(yùn)算量、加快運(yùn)算的收斂速度，成為實(shí)時(shí)研究的主要工作。除了圖像序列本身以外，實(shí)際應(yīng)用中還可以得到許多關(guān)于被拍攝景物的先驗(yàn)信息。這是超分辨率算法的另一個(gè)信息來(lái)源。先驗(yàn)信息在超分辨率中的運(yùn)用與其它圖像處理和分析環(huán)節(jié)相互關(guān)聯(lián)，成為超分辨率算法研究的新熱點(diǎn)。另外，針對(duì)模型誤差以及不同類型的噪聲具有較強(qiáng)穩(wěn)健性和 適應(yīng)性的算法，也是實(shí)際應(yīng)用中所需的。 (3) 如何擴(kuò)展超分辨率的應(yīng)用 要將超分辨率復(fù)原擴(kuò)展到多通道和彩色圖像、三維立體成像、動(dòng)態(tài)多媒體序列、壓縮圖像、 CCD 陣列成像和核磁共振成像的超分辨率恢復(fù)與增強(qiáng)。將超分辨率技術(shù)應(yīng)用于彩色超分辨率算法和超分辨率算法在壓縮系統(tǒng)中，是今后超分辨率技術(shù)發(fā)展的重要方向。彩色超分辨率重建中一個(gè)重要的問(wèn)題是對(duì)顏色濾波器陣列和顏色插值過(guò)程的特性進(jìn)行分析，并要考慮到重建過(guò)程中顏色成分之間的交叉相關(guān)性。圖像在傳輸和保存之前需要進(jìn)行例行壓縮，因此有必要將超分辨率算法應(yīng)用于壓縮系統(tǒng)中。 總之，對(duì)超分辨率重建技術(shù)的進(jìn)一步深入研究必將導(dǎo)致這一技術(shù)拓寬到一些新的應(yīng)用領(lǐng)域。 20 參考文獻(xiàn) [1] 沈煥鋒，李平湘，張良培等 . 圖像超分辨率重建技術(shù)與方法綜述 [J]. 光學(xué)技術(shù) ， 2020, 35(2): 194199. [2] 浦劍，張軍平，黃華 . 超分辨率算法研究綜述 [J]. 山東大學(xué)學(xué)報(bào)， 2020, 39(1): 2732. [3] 劉良云，李英才，相里斌 . 超分辨率圖像重構(gòu)技術(shù)的仿真實(shí)驗(yàn)研究 [J]. 中國(guó)圖象圖形學(xué)報(bào) , 2020, 6A(6): 629635. [4] 彭潔，徐啟飛，呂慶文，等 . 一種快速超分辨率圖像重建算法 [J]. 南方醫(yī)科大學(xué)學(xué)報(bào)， 2020, 29(4): 656658. [5] 朱福珍， 李金宗，李冬冬 . 基于 BP神經(jīng)網(wǎng)絡(luò)的超分辨率圖像重建 [J]. 系統(tǒng)工程與電子技術(shù)， 2020， 31(7): 17461749. [6] .,. Recursive highresolution reconstruction of blurred multiframe images[J]. IEEE Transactions on Image Processing， 1993， 2(4):534539. [7] 孟慶武 . 預(yù)估計(jì)混疊度的 MAP 超分辨率處理算法 [J].軟件學(xué)報(bào)， 2020， 15（ 2）：207214. [8] 李慧芳 ,杜明輝 . 基于改進(jìn)的 POCS 算法的超分辨率圖像恢復(fù) [J].華南理工大學(xué)學(xué)報(bào)：自然科學(xué)版 ,2020， 31(10):2427. [9] ,AltunbasakY. Artifact reduction for set theoretic super resolution image reconstruction with edge adaptive con straints and higherorder interpolants[J]. IEEE Ttans Image Processing,2020,10(10):179180. [10] Pei Shengwei,Du method for Superresolution image reconstr uction based on wavelet transform and POCS[J]. Journal of Infromation and Comp utational Science,2020,2(4):757764. [11] ,. A MAP Approach for Joint Motion Estimation, Segme ntation, and Super Resolution. IEEE Transactions on Image , 16(2): 479489. [12] , and Robust Multiframe Super Reso lution. IEEE Transactions on Image ,13(10):13271344 [13] , Efficient ThreeStep Search Algorithm for Block Motion Estim ation. IEEE Transactions on ,6(3):435438. [14] , Image Reconstruction:ATechnical Signal Processing ,(5):2136.