超分辨率算法的分析-控制理论与控制工程专业论文.docxVIP

超分辨率算法的研究 摘 要 近年来 越来越多的研究者开始关注视频序列的超分辨率恢复问题 在传 统的图像恢复问题中 仅仅只有单幅图像作为输入 超分辨率图像重构可以充 分利用低分辨率图像序列中附加的时间和空间数据 经常的情况是 照相机和 场景运动导致源视频序列帧中包含相似的 但不相等的附加信息 从而 这些 附加信息使算法能够重构出比源图像更高分辨率的图像 本文首先介绍了超分辨率图像重构算法的基本原理 应用背景及目前的方法体系 超 分辨率图像重构是指 利用一系列的低分辨率图像 这些图像往往是模糊 而且是有噪声 的 来重构出一幅或几幅高分辨率图像 所有算法中都包括三个部分 去噪声 解模糊及 恢复采样 由于超分辨率重构是病态的求逆问题 通常这类问题都是通过正则化的方法来 求解 因此 算法中需要α 先验知识来约束可能的解空间 超分辨率图像重构算法目前主 要可以分为频域方法和空间域方法 其次 文章进一步详细介绍了频域空间中的超分辨率算法 它是基于 FT 的平移特性 及 CFT 与 DFT 之间的混叠关系 把低分辨率观察图像的混叠 DFT 系数与未知高分辨率场 景图像的 CFT 采样点联系起来 形成一个方程系统来求解高分辨率图像 但由于傅立叶变 换理论的限制 频域方法难以包含先验信息 图像的运动只能是全局平移运动 而且观察 模型也不能随意改变 然而 实验结果证明 在算法规定的条件内 恢复的高分辨率图像 仍然具有相当好的质量 再次 文章讨论了超分辨率算法的另一大类 空间域算法 与频域算法相比 空间域 算法可以包含更加灵活的观察模型和α 先验知识 通常需要利用迭代算法来求解方程 本 文主要讨论了 POCS IBP CG Robust 及相应的改进算法 POCS 算法把α 先验信息定 义为一系列的凸集合 通过把初始估计迭代投影到每个凸集内 最终得到能够满足每个集 合的解 IBP 算法是另一类空间域迭代算法 它是通过仿真和校正来实现的 此算法相对 于 POCS 算法 难以任意地包含先验知识 CG 算法主要是通过正则化的方法来求解方程 正则化过程能够非常好地消除噪声的影响 Robust 算法是继承了 IBP 算法的体系 通过对 IBP 算法难以处理观察图像中奇变信息的情况分析 在校正项的选择上 用中值来代替平 均 然而 此方案的选择虽然可以消除奇变的影响 但却破坏了原有算法对观察图像噪声 的抑制 为此 本文提出了中值平均的方法来改进 Robust 算法的确定 每个算法的实验结 果也都分别证明了其特点和优越性 最后 文章给出了超分辨率技术的发展方向和技术难点 超分辨率技术涉及到三个技 术领域 运动估计 图像的摄像模型及超分辨率重构算法 每个领域的突破 都会巨大的 推动超分辨率技术的应用 关键词 超分辨率 图像重构 凸集投影 后向映射 共轭梯度 Superresolution algorithm research Abstract Recent years have seen growing interest in the problem of super-resolution restoration of video sequences. Whereas in the traditional single image restoration problem only a single input image is available for processing, the task of reconstructing super-resolution images from multiple undersampled and degraded images can take advantage of the additional spatio-temporal data available in the image sequence. In particular, camera and scene motion lead to frames in the source video sequence containing similar, but not identical information. The additional information available in these frames make possible reconstruction of visually superior frames at higher resolution than that of the original data. In this paper, firstly we introduce the basic principle