红外成像系统超分辨率重建技术研究
发布时间：2022-05-05 20:21
图像空间分辨率是红外成像系统的一项重要技术指标,它直接决定了成像系统在遥感红外成像、故障检测、医学图像分析及敌我识别等领域的应用前景。而当前的红外成像技术依然存在着信噪比低、对比度弱和高频细节信息少等缺点,如何提高红外成像系统所获取图像的分辨率成为了人们急需解决的重要问题。增大感光器尺寸和减小像元尺寸等改进硬件设计的方案是提高成像分辨率最直接的方式。但是,这些方式的成本较大,而且存在着不可打破的物理极限,这使得这些方式只能有限地提升成像系统的分辨率。因此,论文将重点研究红外成像系统的超分辨率重建技术,提出了三种超分辨率重建算法以及探讨了一种联合图像配准的超分辨率重建技术的验证方法,最后设计搭建了实时的红外超分辨率成像系统。论文的主要工作及创新之处包括:（1）单帧图像的超分辨率重建技术。论文首先研究了三种多项式插值超分辨率重建技术及两种基于学习的超分辨率重建技术。针对生成式对抗超分辨率重建网络获得的高分辨率图像只具有高度真实视觉效果,客观质量评价指标却不高的问题,论文提出了一种融合网络的超分辨率重建技术。重建网络由三个部分组成,其中生成式对抗网络部分重建初始高分辨率图像,梯度转换网络部分...
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 超分辨率重建算法的发展与现状
1.3 超分辨率红外成像系统的发展与现状
1.4 论文的主要研究内容及结构安排
第2章 超分辨率重建技术的相关理论
2.1 成像系统分辨率限制因素
2.2 超分辨率重建的图像退化模型
2.3 超分辨率重建理论基础
2.4 超分辨率重建的图像质量评价
2.4.1 主观评价方法
2.4.2 客观评价方法
2.5 本章小结
第3章 单帧图像超分辨率重建技术
3.1 基于插值的单帧图像超分辨率重建技术
3.1.1 最近邻域插值法
3.1.2 双线性插值法
3.1.3 双三次插值法
3.2 基于学习的单帧图像超分辨率重建技术
3.2.1 基于稀疏表示的超分辨率重建技术
3.2.2 基于卷积神经网络的超分辨率重建技术
3.3 基于融合神经网络的单帧图像超分辨率重建技术
3.4 实验结果及分析
3.5 本章小结
第4章 多帧图像超分辨率重建技术
4.1 非均匀性插值法
4.2 基于重建约束的多帧图像超分辨率重建算法
4.2.1 迭代反投影法
4.2.2 凸集投影法
4.2.3 最大后验概率法
4.2.4 最大后验概率法/凸集投影法混合方法
4.3 联合图像配准及重建的最大后验概率法算法
4.3.1 联合算法理论
4.3.2 实验结果与分析
4.4 基于生成式对抗神经网络的多帧超分辨重建算法
4.4.1 重建网络结构及理论
4.4.2 实验结果及分析
4.5 本章小结
第5章 基于图像配准的超分辨率重建技术验证方法
5.1 算法原理
5.2 配准实验
5.3 噪声实验
5.4 本章小结
第6章 基于可控微位移的红外超分辨率成像系统
6.1 亚像元超分辨率成像系统
6.1.1 光学亚像元超分辨率成像系统
6.1.2 视场亚像元超分辨率成像系统
6.2 微扫描超分辨率成像系统
6.2.1 平板旋转微扫描超分辨率成像系统
6.2.2 压电陶瓷微扫描超分辨率成像系统
6.3 基于可控微位移的红外超分辨率成像系统
6.3.1 可控微位移红外成像系统结构
6.3.2 图像获取与位移精度分析
6.3.3 红外图像超分辨率重建
6.4 本章小结
第7章 总结与展望
7.1 论文总结
7.2 研究展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]生成式对抗神经网络的多帧红外图像超分辨率重建[J]. 李方彪,何昕,魏仲慧,何家维,何丁龙. 红外与激光工程. 2018(02)
[2]图像超分辨率重建的研究进展[J]. 曾凯,丁世飞. 计算机工程与应用. 2017(16)
[3]基于深层卷积网络的单幅图像超分辨率重建模型[J]. 龙法宁,朱晓姝,胡春娇. 广西科学. 2017(03)
[4]超分辨率重建技术研究进展[J]. 胡彦婷,陈建军,杜守洪. 信息技术. 2017(05)
[5]多任务学习框架下激光全息图像超分辨率重建[J]. 王佳欣,米捷. 激光杂志. 2017(02)
[6]基于微扫描的红外超分辨率成像系统的设计[J]. 代少升,张德洲,崔俊杰,张绡绡. 半导体光电. 2017(01)
[7]基于超分辨率重建的亚像素图像配准[J]. 李方彪,何昕,魏仲慧,马鑫. 光学精密工程. 2017(02)
[8]有监督多类字典学习的单幅图像超分辨率重建[J]. 吴从中,胡长胜,张明君,谢珍珠,詹曙. 光电工程. 2016(11)
[9]Video super-resolution reconstruction based on deep convolutional neural network and spatio-temporal similarity[J]. Li Linghui,Du Junping,Liang Meiyu,Ren Nan,Fan Dan. The Journal of China Universities of Posts and Telecommunications. 2016(05)
[10]基于稀疏表示的单帧超分辨率重建（英文）[J]. 谢超,路小波,曾维理. Journal of Southeast University（English Edition）. 2016(02)
博士论文
[1]航空图像超分辨率重建关键技术研究[D]. 何林阳.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
[2]基于稀疏表示模型的图像复原技术研究[D]. 张健.哈尔滨工业大学 2014
[3]基于POCS的红外弱小目标超分辨率复原算法研究[D]. 陈健.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
[4]基于稀疏表示的超分辨率重建和图像修复研究[D]. 李民.电子科技大学 2011
[5]红外成像观测系统性能评价方法研究[D]. 寇小明.西安电子科技大学 2011
[6]高分辨率红外成像中的图像处理算法研究[D]. 白俊奇.南京理工大学 2010
[7]红外图像处理中的关键算法研究[D]. 简耀波.华中科技大学 2009
[8]基于图像建模理论的多幅图像正则化超分辨率重建算法研究[D]. 邵文泽.南京理工大学 2008
[9]提高星载红外成像系统空间分辨率的关键技术研究[D]. 赖睿.西安电子科技大学 2007
[10]超分辨率重建问题的研究[D]. 郭晓新.吉林大学 2005
硕士论文
[1]基于字典学习的超分辨率方法应用研究[D]. 苏美.深圳大学 2017
[2]图像超分辨率重构算法研究[D]. 李亚茹.北方工业大学 2017
[3]基于学习的超分辨率重建算法研究[D]. 安娜.哈尔滨理工大学 2017
[4]基于冗余字典的超分辨率图像复原研究[D]. 王璐.哈尔滨理工大学 2017
[5]基于微扫描的红外超分辨率成像技术研究[D]. 刘琴.重庆邮电大学 2016
[6]图像超分辨率重建方法的研究与实现[D]. 赵亚辉.北京交通大学 2016
[7]红外图像的超分辨率重构算法研究[D]. 相鹏鹏.华南理工大学 2016
[8]基于正则化方法的多帧图像超分辨率重建及其硬件实现[D]. 陈泽奇.华南理工大学 2016
[9]红外成像超分辨率图像重建算法研究[D]. 何阳.中国科学院研究生院(长春光学精密机械与物理研究所) 2015
[10]红外显微图像超分辨重建算法研究[D]. 陈景杨.北京理工大学 2015
本文编号：3650952
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 超分辨率重建算法的发展与现状
1.3 超分辨率红外成像系统的发展与现状
1.4 论文的主要研究内容及结构安排
第2章 超分辨率重建技术的相关理论
2.1 成像系统分辨率限制因素
2.2 超分辨率重建的图像退化模型
2.3 超分辨率重建理论基础
2.4 超分辨率重建的图像质量评价
2.4.1 主观评价方法
2.4.2 客观评价方法
2.5 本章小结
第3章 单帧图像超分辨率重建技术
3.1 基于插值的单帧图像超分辨率重建技术
3.1.1 最近邻域插值法
3.1.2 双线性插值法
3.1.3 双三次插值法
3.2 基于学习的单帧图像超分辨率重建技术
3.2.1 基于稀疏表示的超分辨率重建技术
3.2.2 基于卷积神经网络的超分辨率重建技术
3.3 基于融合神经网络的单帧图像超分辨率重建技术
3.4 实验结果及分析
3.5 本章小结
第4章 多帧图像超分辨率重建技术
4.1 非均匀性插值法
4.2 基于重建约束的多帧图像超分辨率重建算法
4.2.1 迭代反投影法
4.2.2 凸集投影法
4.2.3 最大后验概率法
4.2.4 最大后验概率法/凸集投影法混合方法
4.3 联合图像配准及重建的最大后验概率法算法
4.3.1 联合算法理论
4.3.2 实验结果与分析
4.4 基于生成式对抗神经网络的多帧超分辨重建算法
4.4.1 重建网络结构及理论
4.4.2 实验结果及分析
4.5 本章小结
第5章 基于图像配准的超分辨率重建技术验证方法
5.1 算法原理
5.2 配准实验
5.3 噪声实验
5.4 本章小结
第6章 基于可控微位移的红外超分辨率成像系统
6.1 亚像元超分辨率成像系统
6.1.1 光学亚像元超分辨率成像系统
6.1.2 视场亚像元超分辨率成像系统
6.2 微扫描超分辨率成像系统
6.2.1 平板旋转微扫描超分辨率成像系统
6.2.2 压电陶瓷微扫描超分辨率成像系统
6.3 基于可控微位移的红外超分辨率成像系统
6.3.1 可控微位移红外成像系统结构
6.3.2 图像获取与位移精度分析
6.3.3 红外图像超分辨率重建
6.4 本章小结
第7章 总结与展望
7.1 论文总结
7.2 研究展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]生成式对抗神经网络的多帧红外图像超分辨率重建[J]. 李方彪,何昕,魏仲慧,何家维,何丁龙. 红外与激光工程. 2018(02)
[2]图像超分辨率重建的研究进展[J]. 曾凯,丁世飞. 计算机工程与应用. 2017(16)
[3]基于深层卷积网络的单幅图像超分辨率重建模型[J]. 龙法宁,朱晓姝,胡春娇. 广西科学. 2017(03)
[4]超分辨率重建技术研究进展[J]. 胡彦婷,陈建军,杜守洪. 信息技术. 2017(05)
[5]多任务学习框架下激光全息图像超分辨率重建[J]. 王佳欣,米捷. 激光杂志. 2017(02)
[6]基于微扫描的红外超分辨率成像系统的设计[J]. 代少升,张德洲,崔俊杰,张绡绡. 半导体光电. 2017(01)
[7]基于超分辨率重建的亚像素图像配准[J]. 李方彪,何昕,魏仲慧,马鑫. 光学精密工程. 2017(02)
[8]有监督多类字典学习的单幅图像超分辨率重建[J]. 吴从中,胡长胜,张明君,谢珍珠,詹曙. 光电工程. 2016(11)
[9]Video super-resolution reconstruction based on deep convolutional neural network and spatio-temporal similarity[J]. Li Linghui,Du Junping,Liang Meiyu,Ren Nan,Fan Dan. The Journal of China Universities of Posts and Telecommunications. 2016(05)
[10]基于稀疏表示的单帧超分辨率重建（英文）[J]. 谢超,路小波,曾维理. Journal of Southeast University（English Edition）. 2016(02)
博士论文
[1]航空图像超分辨率重建关键技术研究[D]. 何林阳.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
[2]基于稀疏表示模型的图像复原技术研究[D]. 张健.哈尔滨工业大学 2014
[3]基于POCS的红外弱小目标超分辨率复原算法研究[D]. 陈健.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
[4]基于稀疏表示的超分辨率重建和图像修复研究[D]. 李民.电子科技大学 2011
[5]红外成像观测系统性能评价方法研究[D]. 寇小明.西安电子科技大学 2011
[6]高分辨率红外成像中的图像处理算法研究[D]. 白俊奇.南京理工大学 2010
[7]红外图像处理中的关键算法研究[D]. 简耀波.华中科技大学 2009
[8]基于图像建模理论的多幅图像正则化超分辨率重建算法研究[D]. 邵文泽.南京理工大学 2008
[9]提高星载红外成像系统空间分辨率的关键技术研究[D]. 赖睿.西安电子科技大学 2007
[10]超分辨率重建问题的研究[D]. 郭晓新.吉林大学 2005
硕士论文
[1]基于字典学习的超分辨率方法应用研究[D]. 苏美.深圳大学 2017
[2]图像超分辨率重构算法研究[D]. 李亚茹.北方工业大学 2017
[3]基于学习的超分辨率重建算法研究[D]. 安娜.哈尔滨理工大学 2017
[4]基于冗余字典的超分辨率图像复原研究[D]. 王璐.哈尔滨理工大学 2017
[5]基于微扫描的红外超分辨率成像技术研究[D]. 刘琴.重庆邮电大学 2016
[6]图像超分辨率重建方法的研究与实现[D]. 赵亚辉.北京交通大学 2016
[7]红外图像的超分辨率重构算法研究[D]. 相鹏鹏.华南理工大学 2016
[8]基于正则化方法的多帧图像超分辨率重建及其硬件实现[D]. 陈泽奇.华南理工大学 2016
[9]红外成像超分辨率图像重建算法研究[D]. 何阳.中国科学院研究生院(长春光学精密机械与物理研究所) 2015
[10]红外显微图像超分辨重建算法研究[D]. 陈景杨.北京理工大学 2015
本文编号：3650952
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3650952.html
