基于POCS/MAP混合算法的图像超分辨率复原技术研究
文献类型：学位论文
| 作者 | 马子杰 |
| 答辩日期 | 2022-06-01 |
| 文献子类 | 博士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院光电技术研究所 |
| 关键词 | 超分辨率 多帧图像 先验模型 正则化 稀疏表示 |
| 学位名称 | 工学博士 |
| 英文摘要 | 相机是人们获取场景图像信息的工具，其成像系统主要由光学系统和图像传 感器构成。成像质量受光学系统截止频率、图像传感器欠采样、拍摄过程的运动 模糊以及噪声的影响。成像结果实际为退化的数字图像。出于许多领域对高分辨 率图像的需求，人们采用硬件或软件的超分辨率技术提高图像的分辨率。软件方法通过计算机算法提高图像空间分辨率，是一种成本低、鲁棒性强、高灵活性的方法。超分辨率图像算法经过数十年的发展，已经有很多有效的应用。基于多帧图像的空域算法对具有亚像素位移的低分辨率图像序列进行超分，代表算法有凸集投影迭代法（POCS）、最大后验概率法（MAP）等。为了从被噪声污染的低分辨率图像序列中得到高分辨率图像，本文基于 POCS/MAP 算法对超分辨率算法
展开研究。本文的研究内容是在 POCS 算法、MAP 算法以及 POCS/MAP 算法基础上，提出更有利于提高重建稳定性和重建质量的创新优化方案，实现在恢复图像细节信息的同时减少噪声的影响。本文的创新工作主要有：
(1) 提出了一种基于双边 PSF 模糊核的 POCS 残差估计法，用于消除传统算法的伪影现象。为了得到自适应的双边参数，本文采用了基于弱纹理区域的主成分分析法（PCA）以及边缘强度估计法分别对空间函数标准差和灰度值高斯函数标准差进行估计。为了降低噪声对 POCS 算法的影响，本文利用非下采样轮廓波变换（NSCT）提取出具有方向系数的高频图像。以高频图像作为输入进行 POCS
重建后，经过反变换得到新的重建结果。实验证明本文的改进对 POCS 的重建结果具有消除伪影和提升信噪比的效果。
(2) 基于对贝叶斯理论和先验模型的研究，为 MAP 算法提出一种新的组合先验模型。该模型的第一部分是输入图像与其低尺度图像的梯度差，用于引入跨尺度先验信息，具有平滑作用。第二部分是基于 L1 范数的梯度项，用于保持细节信息。为了解决跨尺度先验项的非凸问题，本文引入了奢侈变量，采用二阶范数和一阶范数交替优化的方法使结果稳定收敛。
(3) 为 POCS/MAP 混合算法提出了一种基于混合稀疏表示框架（MSR）的分量分离先验模型。本文利用 MSR 分离分量的特点，对图像平滑分量和边缘分量分别进行建模。其中平滑分量采用抑制噪声的高斯吉布斯模型，边缘分量采用洛伦兹模型。实验表明本文提出的算法在不同的噪声情况下均具有较好的重建效果。本文研究的算法在相机成像质量欠佳，图像被噪声污染的情况下，具有重要
的应用价值。在恶劣环境下对未知目标进行探测时，图像可能污染严重且难以获取样本图像，使用本文研究的算法可以在得到清晰图像的同时抑制噪声。在相机 硬件设计有限的情况下，利用本文提出的算法可以恢复部分截止频率以外的信 息，有效地提升图像的清晰度。
|
| 语种 | 中文 |
| 源URL | [http://ir.ioe.ac.cn/handle/181551/10338]  |
| 专题 | 光电技术研究所_光电技术研究所博硕士论文 |
| 推荐引用方式 GB/T 7714 | 马子杰. 基于POCS/MAP混合算法的图像超分辨率复原技术研究[D]. 中国科学院光电技术研究所. 中国科学院大学. 2022. |
入库方式： OAI收割
来源：光电技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。