多帧超分辨率处理运动模糊.docVIP

多帧超分辨率处理运动模糊 中国科学院工程 计算机科学国家重点实验室，中国科学院软件研究所， 2中国香港大学 3fst，澳门大学 摘要 无处不在的运动模糊容易失败的多帧超分辨率（MFSR）。本文提出的方法解决这个问题的最佳搜索最模糊的像素在MFSR。一个电磁框架提出了引导剩余模糊与高分辨率图像重建。为了抑制噪音，我们采用了一个家庭的稀疏的处罚自然图像的先验知识，以及一个有效的求解。理我们的方法是如何和当进行分析作品运动估计误差之间的关系图1（一）。因此，图像去模糊策略不直接适合MFSR。解决方案我们的技术是三。首先,我们提出了一个系统来估计运动模糊和高分辨率 图像质量反馈与控制。二、基于在典型运动模糊视频中的观察同样的区域是不一样的模糊跨帧，时间选择信息的区域选择方案每一帧结构。这些区域是仿照使用 潜在的变量，并有效地解决了在电磁框架 On the theory side, based on the Cramer-Rao lower bound [12], we provide understanding on the relationship between the restoration error and motion blur. The encouraging conclusion is that more images, even degraded by blur, could induce better SR results 在理论上，克莱默饶下界[ 12 ]，我们提供的恢复误差和运动模糊之间的关系的理解。令人鼓舞的结论是，更多的图像，即使是退化的模糊，可以诱导更好的SR结果。 2相关工作 单/多帧SR Single-frame SR aims to recover a high-res image from one low-res input. Extensive research has been done. Most methods focused on developing image priors [19, 25]. Recently, Efrat et al. [8] demonstrated the importance of estimating anti-aliasing kernels. Michaeli and Irani [17] proposed estimating the optimal convolution kernel using internal statistics of natural images [33]. 单帧SR的目标是从一个低分辨率的输入恢复高清晰度的图像。已经做了大量的研究。大多数方法是专注于开发图像先验[ 19，25 ]。最近，他等人。[ 8 ]论证了估计抗混叠核的重要性。我和伊朗[ 17 ]提出估算最优卷积内核使用内部统计自然图像[ 33 ]。 Multi-frame SR was also studied [18] since the seminal work of Tsai and Huang [27]. Early registration [11] and image priors [9] were adopted. The parameters of convolution and registration are either assumed known or in parametric forms, which is simplistic for many natural videos 从蔡、黄的开创性工作以来，对多帧图像进行了18次的研究。早期注册[ 11 ]和[ 9 ]采用图像的先验知识。卷积和注册的参数是已知的或参数形式，这是简单的许多自然的视频 For generalization and with advanced strategies, Takeda et al. [26] used 3D kernel regression to avoid explicit motion estimation. Liu and Sun [16] proposed a Bayesian approach via jointly estimating optical flow, blur kernel, noise, and latent high-res frames. Sunkavalli et al. [22] generated a single high-quality image from a video clip in an importance-based framework that weights the contr