基于视频模式识别的快速超分辨率重建.docVIP

基于视频模式识别的快速超分辨率重建 　　摘 要:针对传统超分辨率重建方法运算量过大的问题,提出一种快速超分辨率重建算法。该算法在快速最大后验概率(MAP)重建算法的基础上,针对车牌识别的特定应用进一步简化了代价函数。该算法从低分辨率的图像序列中提取出高分辨率的图像。这些高分辨率的图像不仅极大地提高了车牌的识别率,也降低了获取高分辨率图像所需成像系统硬件的要求。移动车辆视频的盲重建实验表明,该算法能够有效地提高车牌图像的质量,而其运算量要远远小于其他的超分辨率重建方法。较低的运算量使得该算法能够有效应用于实时系统。 　　关键词:图像处理;超分辨率重建;快速MAP重建算法;模式识别 　　中图分类号:TP391.41文献标识码:A 　　文章编号:1004-373X(2010)04-038-04 　　 　　Fast Super-resolution Reconstruction for Video-based Pattern Recognition 　　WU Yanjun,YUAN Jie,WANG Weixi,ZHENG Yan 　　(Nanjing University,Nanjing,210093,China) 　　Abstract:To reduce the computational cost of super-resolution reconstruction,a fast super-resolution reconstruction algorithm is proposed.For the special application of License Plate Recognition,it uses a further simplified cost function which is used in the fast MAP-based (Maximum a Posteriori) algorithm.The algorithm abstracts the resolution of reconstruction image from low resolution frame sequences.The result photos can greatly promote the recognition rate,and reduce the hardware requirements for imaging system producing higher resolution images.Blind reconstruction experiments using real videos of moving vehicles show that the proposed algorithm can efficiently enhance the quality of plate images,while its computational cost is quite lower compared with existing super-resolution methods.With low computational cost,this reconstruction method is suitable for real-time identification system. 　　Keywords:image processing;super-resolution reconstruction;fast MAP-based reconstruction algorithm;pattern recognition 　　 　　0 引 言 　　 　　高分辨率的图像能够包含更多的细节信息,在诸多领域有着广泛的应用。高分辨率的成像系统可以获取高分辨率图像,但是高精度的硬件设备复杂且成本极高。由于成像环境的光能不足、相互运动、离焦等多种原因,即使使用高分辨率成像设备,也难以获得理想的图像,使目标难以辨认,很大程度阻碍了高分辨率图像应用范围的扩大。超分辨率重建技术则有效解决了这个问题。超分辨率重建能够从低分辨率的图像中得到高分辨率的图像,而这些低分辨率的图像序列可以从已经使用的低分辨率成像系统获得,降低了获取高分辨率图像的成本。 　　在图像超分辨率重建方面,Huang和Tsai[1]首先提出了频率域重建算法。Kim,Bose,Su等研究者在这一基础上提出了拓展的频域算法[2-4],将光学成像过程中产生的点扩散、高斯噪声等效应添加进模型,使其更加符合实际的应用情况。频域重建法普遍具有理论简单,易实现,运算速度快等优点。然而,所有的频域方法都只适用于全局性平移运动的情况,难以增加一般性的先验约束,并