【正文】 監(jiān)控等領(lǐng)域具都有十分重要的應(yīng)用例如 1 在數(shù)字電視 DTV 向高清晰度電視 HDTV 過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 的形式因此可以利用超分辨率重建技術(shù)將 DTV 信號(hào)轉(zhuǎn)化為與 HDTV 接收機(jī)相匹配的信號(hào)提高電視節(jié)目的兼容性 2 在采集軍事與氣象遙感圖像時(shí)由于受到成像條件與成像系統(tǒng)分辨率的限制不可能獲得清晰度很高的圖像而通過利用超分辨率重建技術(shù)在不改變衛(wèi)星圖像探測(cè)系統(tǒng)的前提下可實(shí)現(xiàn)高于系統(tǒng)分辨率的圖像觀測(cè)在公共安全領(lǐng)域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) 3 在醫(yī)學(xué)成像系統(tǒng)中如 CTMRI 和超聲波儀器等可以用超分辨率重建技術(shù)來提 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由于硬件設(shè)備及現(xiàn)有的成像技術(shù)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(shù)的特殊機(jī)理超分辨率圖像重建技術(shù)可以在該領(lǐng)域獲得重要的應(yīng)用 4 在銀行證劵等部門的安全監(jiān)控系統(tǒng)中當(dāng)有異常情況發(fā)生后可對(duì)監(jiān)控錄像進(jìn)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(shù)用于圖像壓縮平時(shí)存儲(chǔ)或傳輸?shù)头直媛实膱D像信息當(dāng)有不同 需要時(shí)再利用超分辨率重構(gòu)技術(shù)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(shù)有可能使圖像實(shí)現(xiàn)從檢出水平 detectionl evel 向識(shí) 別 水 平 recognitionlevel 的 轉(zhuǎn) 化 或 更 進(jìn) 一 步 實(shí) 現(xiàn) 向 細(xì) 辨 水 平 identification level 的轉(zhuǎn)化超分辨率圖像重建技術(shù)可以提高圖像的識(shí)別能力和識(shí)別精度 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例如植被的分類及分布區(qū)域地理結(jié)構(gòu)以及水資源的分布面積等信息但是由 于現(xiàn)有成像技術(shù)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(shù)對(duì)這些圖像進(jìn)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(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 13MAPPOCS 方法等并且從算法復(fù)雜度以及圖像重構(gòu)的效果等幾個(gè)方面對(duì)頻域算法與空間域算法進(jìn)行了比較同時(shí)對(duì)目前最熱門的兩種算法 MAP 算法以及 POCS 算法進(jìn)行了比較 第三章主要是對(duì)目前最熱門的序列圖像重構(gòu)算法的 POCS 算法進(jìn)行了比較深入的研究目前在 POCS 超分辨率圖像重構(gòu)的實(shí)現(xiàn)中在初值的選取時(shí)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(diǎn)首先對(duì)應(yīng)到放大圖像的各點(diǎn)上在此基礎(chǔ)上進(jìn)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(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)的方法代替雙線性插值來求解 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 開發(fā)平臺(tái)上進(jìn)行仿真試驗(yàn) 第四章主要是對(duì)上一章所提出的方法進(jìn)行試驗(yàn)仿真仿真結(jié)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(jié)論以及未來要做的工作 2 超分辨率圖像重建算法研究 21 超分辨率技術(shù)概述 超分辨率圖像復(fù)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(yùn)動(dòng)估計(jì)退化圖像去模糊和去噪聲以及對(duì)還原后的圖像信息進(jìn)行融合等超分辨率圖像復(fù)原是一個(gè)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(yán)重觀測(cè)圖像與原始圖像嚴(yán)重不一致無法進(jìn)行估計(jì)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(fù)原需要處理以下幾個(gè)問題 1 運(yùn)動(dòng)估計(jì)估計(jì)低分辨率圖像序列的信息在待恢復(fù) HR 圖像中的對(duì)應(yīng)位置確定由低分辨率圖像的子像素運(yùn)動(dòng)所形成的位移算子 2 幾何形變根據(jù)運(yùn)動(dòng)估計(jì)結(jié)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(biāo)中 3 信息融合將還原到 HR 圖像坐標(biāo)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(jì) 超分辨率影像重建技術(shù)于 60年代由 Hamm和 Goodman最初以單張影像復(fù)原的概念和方法提出隨后許多人對(duì)其進(jìn)行了研究并相繼提出了各種復(fù)原方法雖然這些方法做出了較好的仿真結(jié)果但并沒有在實(shí)際中得到廣泛的應(yīng)用 80 年代末之后隨著計(jì)算機(jī)技術(shù)電子技術(shù)以及信號(hào)處理理論與技術(shù)特別是小波理論自適應(yīng)濾波理論以及一些優(yōu)化理論的發(fā)展人們?cè)诔直媛视跋裰亟ǚ椒ㄑ芯可先〉昧送黄菩赃M(jìn)展研究成果倍出其應(yīng)用涵蓋了航空航天遙感目標(biāo)識(shí)別醫(yī)學(xué)計(jì)算機(jī)層析成像空中 目標(biāo)光電監(jiān)視成像等諸多領(lǐng)域值得一提的是國(guó)際著名的光學(xué)儀器制造公司LeicaHellawa 公司法國(guó)國(guó)家航天研究中心已經(jīng)把該領(lǐng)域的理論研究成果轉(zhuǎn)化到硬件產(chǎn)品 交錯(cuò) CCD 傳感器陣列的設(shè)計(jì)中并已將其分別應(yīng)用于他們的遙感設(shè)備ADS40和 SPOT5衛(wèi)星取得了相當(dāng)理想的效果從目前的研究和應(yīng)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(shù)量可以分為兩類 1 序列圖象的高分辨率估計(jì) 組合同一場(chǎng)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(jì)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(jìn)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(jìn)行 22 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(jìn)行的圖像復(fù)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(xì)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(xì)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(jìn)行超分辨率重建最早的研究工作是由 Tsai和 Huang在 1984年進(jìn)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(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(zhì)等在原始場(chǎng)景信號(hào)帶寬有限的假設(shè)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(zhì)給出了一個(gè)由一系列欠采樣觀測(cè)影像數(shù)據(jù)重建 HR 影像的公式使 得多幀觀察圖像經(jīng)混頻的離散傅立葉變換系數(shù)與未知場(chǎng)景的連續(xù)傅立葉變換系數(shù)以方程組的形式聯(lián)系起來方程組的解就是原始場(chǎng)景的頻率域系數(shù)再利用求解的頻率域系數(shù)進(jìn)行傅立葉逆變換就可實(shí)現(xiàn)原始場(chǎng)景的精確重建該方法要求圖像間位移參數(shù)的估計(jì)達(dá)到子像素精度而且每一幀觀察圖像都必須只對(duì)方程組中的一個(gè)不相關(guān)的方程做出貢獻(xiàn) 頻域算法有以下的優(yōu)點(diǎn)首先它是一種簡(jiǎn)單而且直觀的方法雖然實(shí)現(xiàn)起來有一定的復(fù)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(zhì)其次頻域算法的計(jì)算復(fù)雜度低其主要計(jì)算量是求解線性方程組由于超分辨 率圖像的每個(gè)頻域采樣點(diǎn)值的計(jì)算是獨(dú)立的所以可以支持大量的并行運(yùn)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(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對(duì)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(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 2 退化模型與運(yùn)動(dòng)模型的問題類似頻域算法因?yàn)橐阉邢袼攸c(diǎn)統(tǒng)一轉(zhuǎn)換到頻域進(jìn)行 處理所以無法應(yīng)用隨空間變化的退化模型沒有考慮光學(xué)系統(tǒng)的點(diǎn)擴(kuò)散函數(shù) PSF 運(yùn)動(dòng)模糊和觀測(cè)噪聲的影響對(duì)觀察噪聲的處理能力也非常有限 3 先驗(yàn)知識(shí)的應(yīng)用超分辨率圖像重構(gòu)是病態(tài)求逆的過程因此恢復(fù)過程中利用各種先驗(yàn)知識(shí)進(jìn)行圖像調(diào)整是很重要的通常最有用的先驗(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 4 圖像頻帶受限圖像頻帶有限與全局位移都是進(jìn)行頻域重構(gòu)的基本假設(shè)算法中 L 值的設(shè)置會(huì)限制重構(gòu)圖像的質(zhì)量如果設(shè)置得高就會(huì)導(dǎo)致線性方程組中的未知量過多數(shù)據(jù)點(diǎn)不足的問題 23 空間域方法 空間域方法是圖像超分辨率重建應(yīng)用中另一類主要的方法是目前研究的熱點(diǎn)它的性能要遠(yuǎn)遠(yuǎn)高于頻域的方法它將復(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)容其線性空間域觀測(cè)模型涉及到全局和局部運(yùn)動(dòng)光學(xué)模糊幀內(nèi)運(yùn)動(dòng)模糊空間可變點(diǎn)擴(kuò)散函數(shù)非理想采樣及其他一些內(nèi)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(nèi)插