智能交通中图像超分辨率重建算法研究

发布时间：2020-09-27 13:48

　　在计算机视觉领域,要实现高效的目标识别、目标跟踪、图像分割、图像融合等功能,图像超分辨率复原重建是至关重要的一个关键步骤o MAP(maximum a posterior)算法由于具有易于引入先验模型、去噪能力强及较好恢复退化图像的细节信息等优点,因而得到了较为广泛的关注。对于处理复杂视频图像的超分辨率复原重建,以及后续的目标识别、目标跟踪、图像分割等都具有重要意义。但也存在复原后的图像较为平滑、失去边缘特征、恶劣条件下不能取得满意效果等问题。针对以上问题,本论文提出了改进MAP图像超分辨率算法,对图像超分辨率重建过程中图像匹配以及图像插值部分进行了改进。具体工作如下：(1)本论文主要研究了基于MAP框架的图像超分辨率复原重建算法。在运动配准环节,采用ORB(Oriented FAST and Rotated BRIEF)匹配算法对其进行图像的特征匹配。针对雾天或光线较暗的情况下,特征匹配不准确的问题,本论文提出用MSR(Multiple-Scale Retinex)算法对图像进行“去雾”的图像增强处理。为解决图像增强过程中颜色失真的问题,引入了模糊理论,按照不同隶属度对图像不同区域进行增强处理。分别对原始图像、MSR处理后的图像以及模糊MSR处理后的图像进行ORB匹配。实验结果表明,改进后的匹配算法的匹配正确率较高,性能更稳定,适用于对于匹配精度要求较高复杂的场景。(2)传统图像插值大多是基于灰度图像进行处理的,会导致图像的许多颜色信息丢失,本论文提出基于彩色图像的插值算法。将原始图像进行R、G、B颜色空间的图像分解,并对R、G、B图像分别处理从而解决彩色图像插值问题。(3)针对传统MAP重建复原得到的图像边缘易出现锯齿化和模糊化等问题,本论文在图像插值环节采用Curvelet插值算法对其进行改善。为达到更好的效果,采用基于多维梯度的彩色Canny边缘检测算法检测图像的边缘,并将图像分边缘区域和平坦区域分别进行插值。对于平坦区域的图像利用方向因子计算插值点不同方向的估计值并结合双三次插值算法对图像插值点进行插值,能够很好的解决边缘锯齿化和模糊化的问题。然后对于边缘部分采用双线性插值算法进行插值。最后,通过不同插值算法对图像进行插值,并进行MAP复原重建。实验结果表明,本论文的算法能够更好的保持图像的彩色信息和边缘特性,减少图像边缘的锯齿和模糊现象。本论文针对传统MAP超分辨率重建算法在处理彩色视频图像和恶劣条件下视频图像时效果不理想的情况,对MAP算法进行改进,取得了较好的效果。
【学位单位】：昆明理工大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：U495;TP391.41
【文章目录】：
摘要
Abstract
第一章绪论
    1.1 课题的研究背景和意义
    1.2 国内外研究现状
    1.3 研究内容和主要工作
    1.4 本论文的组织结构
第二章 MAP图像超分辨率重建可行性分析及评价标准
    2.1 超分辨率重建的概念及前提条件
    2.2 超分辨重建的退化模型
        2.2.1 退化模型介绍
        2.2.2 退化模型的数学表达
    2.3 MAP超分辨率重建算法
    2.4 图像超分辨率复原研究内容
    2.5 图像超分辨率重建的重要评价标准
        2.5.1 主观评价
        2.5.2 客观评价
    2.6 本章小结
第三章基于图像增强的ORB图像匹配算法研究
    3.1 ORB匹配算法
        3.1.1 FAST算子特征点检测
        3.1.2 BRIEF特征点描述
        3.1.3 最近邻Hamming距离匹配
    3.2 改进ORB匹配算法研究
        3.2.1 Retinex算法引入
        3.2.2 模糊理论
        3.2.3 模糊MSR算法
    3.3 仿真实验
    3.4 本章小结
第四章基于Curvelet的彩色图像插值算法研究
    4.1 传统图像插值算法
    4.2 改进彩色图像插值算法
        4.2.1 RGB颜色空间
        4.2.2 基于多维梯度的彩色Canny边缘检测
        4.2.3 Curvelet方向因子
        4.2.4 Curvelet插值算法
    4.3 仿真实验
    4.4 本章小结
第五章总结与展望
    5.1 总结
    5.2 下一步工作以及展望
致谢
参考文献
附录A 攻读硕士期间发表的论文
附录B 攻读硕士期间获得的软件著作权

【相似文献】