基于压缩感知理论的图像超分辨率重建技术研究

发布时间：2022-01-15 15:21

　　高分辨率图像能够充分表现目标特征,提供更丰富的场景信息,有利于对观察目标进行分析、理解和识别。然而,在实际成像过程中,光学失真、运动模糊、欠采样和随机噪声等因素最终降低了成像系统的空间分辨率。压缩感知作为一种新型的采样理论,能够对稀疏信号或在某个变换域稀疏的信号进行压缩采样,然后利用压缩采样后的信号高概率、高精度地重建原始信号,这种由少量采样点（低维信号）恢复出原始信号（高维信号）的理论无疑为图像超分辨率重建提供了新的思路和方法。基于此,本文主要研究了基于压缩感知理论的图像超分辨率重建技术,主要内容如下:针对红外图像传感器空间分辨率低的缺陷,提出了一种基于过完备字典稀疏表达的单帧红外图像超分辨率重建方法。根据重建模型,该方法可以分为两种:一种基于图像统计学与压缩感知理论;另一种基于图像退化模型与压缩感知理论。其中基于图像统计学与压缩感知理论的方法需要训练得到一对过完备字典来描述高低分辨率图像块之间的映射关系,而基于图像退化模型与压缩感知理论的方法只需要训练得到单个字典即可。为了使算法具有更高的重建效率和精度,我们采用非线性滤波的方法对红外图像进行了基频细节分离操作。实验结果表明,该算法... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：152 页

【学位级别】：博士

【部分图文】：

图１．１?图像退化模型示意阁??我们以Ｘ表示原始的高分辨率图像，表示成像系统得到的低分辨率图像序列，那??

博士学位论文?基于压缩感知理论的图像超分辨率重建技术研宄??丨几何运动?＿麵?：？？??ＨＲ獄一＾?－平移?一—＿光学模糊?一＾降采样一＾￣￣Ｈｆｅ／??ｍ＾Ａ?ｉ?：?－ｍｍ?－运动模糊等?ｉ?ｍ??ｌ！Ｋ＾?ｉ低分辨顿丨像??Ｅｌ始高分辨率图像丨?Ｉ??Ｉ?｜??］?图像成像过程??图１．１?图像退化模型示意阁??我们以Ｘ表示原始的高分辨率图像，＆表示成像系统得到的低分辨率图像序列，那??么上述退化过程可以用如下表达式来表示：??ｖＡ?＝?ＤＢｋＭｋｘ?＋?ｎｋ?（ｌ．ｌ）??式中，表示几何运动矩阵，＆表示模糊矩阵，Ｄ表示下采样矩阵，＆代表系统噪??声。图１．丨和式（１．１）分别从图形和表达式的方式描述了图像退化的过程，即高分辨率??图像退化成低分辨率图像的过程。如果我们称上述退化模型为正过程，那么与之相反的??逆过程就是图像超分辨率的重建过程，即山单幅或多幅低分辨率图像東建出高分辨率图??像的过程，如阁１．２所示。??基于插值??基于学习?髪＃??Ｋ?＋?：痛重■?禮ｆ??基于新的成縣统??低分排年图像?尚分辨半醜??（ｎｖ？列）??图１．２超分辨率？建示意图??超分辨率的概念Ｍ早山Ｈａｒｒｉｓ于１９６４年提出ｌｎｌ，并通过频谱外推法实现了光学图??像的超分辨率，但该方法仅适川干中幅罔像。山］？成像系统降采样的存在，使得单幅图??像不能提供更多的冇效信息，这极人地限制／该方法的应川。Ｍ然Ｈａｒｒｉｓ的方法重建出??来的高分辨率图像效果并不理想，但其研宂工作为超分辨半重建奠定／数学基矗２０世??纪８０年代，计算机视觉领域的学者们也开展了对图像超分辨率的研宄，其方法从单帧??扩展

利用观测矩阵〇的Ｗ个行向量＾｝＾对原始信号进行投影，即计算原始信号和各个观??测向量之间的内积，因此，式（２．７）也可以被表示为：??ｙｔ?＝（．ｖ，＾），／?＝?ｌ，２，－－－，ｗ?（２．８）??如果信号．Ｙ不是稀疏信号，但是具备可压缩信号的特征，那么根据稀疏表示理论，可以??找到一组稀疏基屮，使得信号Ｘ在该稀疏基下具有稀疏表达，从而，式（２．７）可以被进？??步表７ＴＣ为：??ｙ?＝?Ｏｘ?＝?ＯＴ?ａ?＝＠ａ?（２．９）??式中，６）Ｔ为稀疏系数。？的大小也为ＷＸ／７。通常情况下，，并且ｗ／？代表压缩??采样率。我们可以叫一个示意图来表示压缩感知的数学模型。??

【参考文献】：
期刊论文
[1]基于压缩感知的光度立体视觉三维成像方法研究[J]. 梁亚舟,马灵玲,汪琪,周勇胜,李传荣,唐伶俐.  遥感技术与应用. 2017(03)
[2]基于运动补偿的压缩感知4D-CBCT优质重建[J]. 杨轩,张华,何基,曾栋,张忻宇,边兆英,张敬,马建华.  南方医科大学学报. 2016(07)
[3]基于多层卷积神经网络学习的单帧图像超分辨率重建方法[J]. 刘娜,李翠华.  中国科技论文. 2015(02)
[4]改进的混合MAP-POCS超分辨率图像复原算法研究[J]. 绍乐图,陈晨,张红刚,张国华.  电光与控制. 2015(02)
[5]散射介质超衍射极限技术研究进展[J]. 杨虹,黄远辉,龚昌妹,吴腾飞,邵晓鹏.  中国光学. 2014(01)
[6]基于MAP的自适应图像配准及超分辨率重建[J]. 杨欣,费树岷,周大可.  仪器仪表学报. 2011(08)
[7]小波局部适应插值的图像超分辨率重建[J]. 孙琰玥,何小海,陈为龙.  计算机工程. 2010(13)
[8]压缩感知理论在探地雷达三维成像中的应用[J]. 余慧敏,方广有.  电子与信息学报. 2010(01)
[9]基于近似KLT域的语音信号压缩感知[J]. 郭海燕,杨震.  电子与信息学报. 2009(12)
[10]一种新的基于MAP的纹理自适应超分辨率图像复原算法[J]. 宋锐,吴成柯,封颖,张云锋.  电子学报. 2009(05)

硕士论文
[1]智能化红外图像非均匀性校正算法及其FPGA实现[D]. 张桥舟.南京理工大学 2014



本文编号：3590852