【正文】 數(shù)字圖像及其相關(guān)處理技術(shù)是信息處理技術(shù)的重要內(nèi)容之一，在很多領(lǐng)域得到了越來越廣泛的應(yīng)用。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)和視覺通信技術(shù)的高速發(fā)展，人類進(jìn)入了一個(gè)全新的信息化時(shí)代。其中POCS算法利用投影至凸集的原理進(jìn)行圖像重建，算法直觀而且有效，是最有前途的超分辨率重建算法之一。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。圖像超分辨率重建技術(shù)研究摘 要超分辨率圖像重建是指將一系列各自包含一部分不同圖像細(xì)節(jié)的相似低分辨率圖像通過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)字成像系統(tǒng)，通過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。頻域算法是早期的超分辨率重建算法，只能對(duì)全局位移的圖像序列進(jìn)行處理，空域算法使用通用的觀察模型，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。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效果，明顯地提高重建圖像的邊緣質(zhì)量。人們所能能夠獲取的知識(shí)量呈爆炸式的增長(zhǎng)，因此迫切的要求信息處理技術(shù)不斷的完善和發(fā)展，以便能夠?yàn)槿藗兲峁└臃奖恪⒖旖莺投鄻踊姆?wù)。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。1970年以來，CCD和CMOS圖像傳感器廣泛的被用來獲取數(shù)字圖像，在很多的應(yīng)用場(chǎng)合，需要獲取高分辨圖像，提高圖像分辨率最直接的方法是提高成像裝置的分辨力，但是受傳感器陣列排列密度的限制，提高傳感器的空間分辨率越來越難，通常采用的方法是減少單位像素的尺寸（即增加單位面積內(nèi)的像素?cái)?shù)量），對(duì)于數(shù)字?jǐn)z機(jī)，比如CCD，就是減少其傳感單元的尺寸從而提高傳感器的陣列密度，使其能夠分辨出更多場(chǎng)景細(xì)節(jié)。技術(shù)工藝的制約也限制了圖像分辨率的進(jìn)一步提高。其他使圖像降質(zhì)退化的因素還有將場(chǎng)景物體的運(yùn)動(dòng)模糊、系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)模糊、采樣量化模糊以及電路噪聲等。因此通過改善成像裝置硬件的分辨力來提高圖像的分辨能力是有限的也是不切實(shí)際的。解決這一問題的一個(gè)實(shí)用而有效的方法就是圖像的超分辨率重構(gòu)技術(shù)，其不需要昂貴的圖像獲取設(shè)備，只需要通過計(jì)算機(jī)軟件的處理就能獲得更高分辨率的圖像。 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，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。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)。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。(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。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。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。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。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。 本論文的主要研究?jī)?nèi)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(gòu)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(duì)于提出的每個(gè)算法都進(jìn)行了實(shí)驗(yàn)結(jié)果分析。在論文中首先建立超分辨率復(fù)原的降質(zhì)退化模型，用軟件的方法生成低分辨率觀測(cè)序列圖像，并用基于圖像配準(zhǔn)的運(yùn)動(dòng)參數(shù)估計(jì)方法對(duì)觀測(cè)序列圖像的運(yùn)動(dòng)信息進(jìn)行估計(jì)。第二章為已有的各種圖象超分辨率重構(gòu)算法的綜述。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。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。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。 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