基于各向异性MRF建模的多帧图像变分超分辨率重建.pdfVIP

基于各向异性 MRF 建模的多帧图像 变分超分辨率重建1 邵文泽，韦志辉 南京理工大学计算机科学与技术学院，南京 210094) E-mail：shaowenze1010@ 摘 要: 本文在MRF-MAP框架下提出一种新的变分超分辨率图像重建算法.基于国际上近 期报道的双边滤波器，研究设计出一种结构自适应的各向异性数字滤波器，同时导出广义各 向异性MRF 图像先验模型.各向异性模型继承了各向异性数字滤波器优良的滤波性能，是对 Farsiu等人提出的双边全变差模型以及经典 MRF模型的有效改进.随后，基于各向异性模型 提出联合估计亚像素运动和高分辨率图像的边缘增强超分辨率重建算法，并且利用半二次正 则化理论和最速下降法求解相应的最小能量泛函.不论是视觉效果还是峰值信噪比,实验结果 都验证了本文的超分辨率重建算法具有更强的噪声抑制性和边缘保持能力. 关键词：超分辨率；图像复原；各向异性MRF模型；双边滤波；亚像素运动估计 中图分类号：TP 391 1．引言 超分辨率(super-resolution; SR)是一种由一序列低分辨率(low-resolution; LR)退化图像重 建一幅(或序列)高分辨率(high-resolution; HR)清晰图像的复原技术[1].与传统图像复原技术不 同之处在于,超分辨率重建技术充分利用了获取的低分辨率图像序列信息，并且综合考虑了 成像过程中的各种退化因素(如运动变形，光学模糊,低采样率,随机噪声等) ，因而更具广泛 性和实用性,如红外图像、遥感图像等领域. 从退化模型的角度看,超分辨率重建与传统图像复原在Hardmard 意义下均是非适定数学反问 题[2]，从而具有共同的理论支撑,如正则化理论、Bayesian 统计等.事实上，自 1984 年 Tsai 和 Huang 提出一种基于频域的超分辨率重建算法[1]，此后多数超分辨率重建框架大都借鉴于 传统图像复原领域.在过去二十多年的发展历程中，特别是近十年，国内外报道了大量关于 超分辨率图像重建技术的研究工作，事实上超分辨率图像重建技术已经成为当前国际上最热 门的研究领域之一.超分辨率重建技术中的经典算法主要有[1,3-5] ：迭代反投影(IBP)法、凸集 投影(POCS)法、最大似然(ML)/最大后验概率(MAP)估计法、以及混合 ML/MAP/POCS 法等. 近年来,超分辨率图像重建技术又有了新的进展：Nguyen[6]和 Bose[7]等人分别提出基于多分 辨率思想的超分辨率重建算法；Kim 等人[8]提出基于边缘增强和各向异性扩散的超分辨率重 建变分方法；Capel 等人[9]提出基于连续全变差模型的文本图像序列超分辨率重建算法； Farsiu 等人[10]提出基于双边全变差模型的快速鲁棒超分辨率重建算法； 另外，IEEE Signal Processing Magazine 最近将超分辨率图像重建作为专题进行了特别报 道[11-14] ，其中的多篇综述文章从不同角度对超分辨率重建技术作了回顾与展望.在国内，超 分辨率重建领域的主要工作有：韩玉兵等人[15,17]在最大后验概率估计和加权最小二乘的基础 上，提出动态自适应滤波的视频序列超分辨率重建算法；孟庆武[16]基于 Gaussian-MRF 图像 1 Supported by the Natural Science Foundation of China under Grant No(国家自然科学基金); by the National High-Tech Research and Development Plan of China under Grant No.2007AA12E100 ( 国家高技术研究 发展计划(863)); by the National Research Foundation for the Doctoral Program of Higher Education of China under Grant No.M200606018 (教育部博士点基金); by the