图像超分辨率重建和插值算法研究.ppt.ppt

图像超分辨率重建和插值算法研究;超分辨率重建的背景和意义 图像的高分辨率是指着图像含有的像素密度高，能提供丰富的细节信息，对客观场景的描述更准确细致。 高分辨率图像在信息时代的需求非常广泛，诸如卫星遥感图像、视频安全监控、军事侦查航拍领域、医学数字影像和视频标准转换等领域都具有十分重要的应用。 ; 上世纪70年代，CMOS和电荷耦合元件CCD（Charge-coupled device）做为图像传感器已广泛用于获取数字图像。通常情况，图像传感器均能获得较好的质量，但在特殊场合，受到诸多因素影响，导致图像质量下降。如图像采集获取过程中：成像环境、成像距离、传感器形状和大小、光学系统的误差、空气扰动、物体运动、镜头散焦的影响。; 图像数字化处理过程中：成像、转换、编码、压缩、存储都会影响到图像的分辨率。另外，还有成像噪声、电气噪声、系统噪声的叠加。所以实际应用中，无法按照理想状况实现，存在的这些因素，必然影响图像的质量，获得较高质量的图像分辨率也是相当困难的。理论上，获得高分辨率只要增加成像系统的个数，最直接的方法是，通过传感器制造技术减小像素尺寸，增加单位面积的成像点阵就可以解决问题。 ; 综上，由于技术水平和经济条件的限制，使得成像传感器和光学器件的性能指标可能无法满足应用的需要，因此，需要采用信号处理方法提高图像分辨率。经典图像插值算法可以提高图像分辨率，包括最近邻插值、线性插值、双三次插值、样条插值，但只是可以增加图像的像素尺寸，改变图像的视觉效果，不能突破原有的信息量。因此，需要有一种新的方法来克服信息量不足的问题。; 近年来，根据所观测到的多幅低分辨率的图像，运用软件技术手段，通过信号处理方法，提高图像分辨率的技术已成为图像研究领域的热点之一，显示出极大的现实意义和应用价值。这个信号处理过程通常包括两个步骤：首先图像配准，即估计低分辨率图像之间亚像素级别的相对位移；其次图像融合，将多幅低分辨率图像融合成一幅高分辨率图像。这种解决图像分辨率提高问题的有效办法被称为图像超分辨率重建（Super-resolution Reconstruction,SRR）。; 超分辨率重建过程中，由于低分辨率图像序列往往受光学模糊、运动模糊、噪声以及混叠因素的影响，所以超分辨率重建技术涵盖图像复原技术。二者的区别是图像复原技术是在不改变图像尺寸的情况下恢复一幅图像，所以图像复原技术和图像超分辨率重建具有相当紧密的联系，可认为图像超分辨率重建是在理论上的第二代图像复原问题。研究图像超分辨率重建技术一方面理具有重要的理论意义，推动图像复原技术的进一步发展；另一方面具有重要的实践意义，克服光学成像系统硬件方面的局限性，某些场合下仍然可以继续使用原有的低分辨率成像系统，在较小数据量传输的情况下，获得满足特定分辨率要求的图像。;超分辨率重建的综述和现状 国外，近20多年来，在众多科研工作者的不断探索与研究下,形成了几种较为成熟的图像SRR算法理论，研究主要是在降质过程模型、运动估计、算法性能等方面，图像SRR也在实际中得到应用。 欧洲航天局的“火星快车”探测器携带的立体照相机拍摄到了高清晰的火星峡谷图片。 美国宇航局的火星勘测轨道器携带的高分辨率成像科学实验摄像仪拍摄了数千张火星表面奇特、迷人而又壮观景象的照片，以供科学研究。下一代火星探测机器人“好奇者”将于2011年发射升空，总部设在圣地亚哥的马林空间科学系统（Malin Space Science Systems）正在研制的3D摄影机，预计将挂载在机器人头顶上。 ; 另外，Topaz Labs已经将图像和影像的增强技术软件商业化应用。LCAV（Audiovisual CommunicationsLaboratory）开发了在MAC和XP操作系统下的SRR程序。其他一些视频网站已公开出售增强视频流分辨率的软件插件等。 国内，中科院自动化研究所、武汉大学、哈尔滨工业大学、香港中文大学等在SRR领域的研究上比较活跃，为图像重建相关领域的研究和发展做出了巨大贡献，其中一部分是关于图像频谱外推、混叠效应消除的研究；另一部分是关于SRR算法的改进，例如MAP算法和POCS算法的改进，对小波域隐马尔可夫树; （HMT）模型SRR方法的改进，对SRR插值方法的改进，以及对SRR重构方法的改进。超分辨率的概念最早出现在光学领域，是指复原衍射极限以外数据的过程。第一次超分辨率概念的提出是在1955年Toraldo di Francia关于光学成像的雷达文献中。 图像SRR的研究要始于上世纪80年代，Tsai和Huang[4]首先提出了基于序列或多帧图像的SRR问题，他们分析并证明了：彼此间互相有平移的图像序列中获取分辨率增强的静态图像的可能性，而且给出了在频域里解决问题的方法。 1982年