多帧图像超分辨率重建技术研究
发布时间：2021-12-22 19:21
近年来,随着科学研究和实用技术的不断深入发展,人们对高分辨率图像和视频的需求日益增长。但是,在实际的获取过程中,获取得到的图像和视频通常会受到多种降质因素的影响,难以满足实际应用的需求。超分辨率重建技术（Super-resolution,SR）可以在现有硬件水平下对已获得的图像和视频进行处理以提高其空间分辨率,这种图像处理技术不需耗费高昂的成本,.便可取得较好的处理效果,具有很高的研究价值,因此获得广泛的关注。其中多帧图像超分辨率重建技术是通过对多幅具有互补信息的低分辨（Low Resolution,LR）图像进行处理,重建得到一幅高分辨率（High Resolution,HR）图像,在安全、监控、计算机视觉、军事侦查、医学成像等领域有重要的应用价值。本论文第一章节介绍了 SR重建技术的研究意义和现状;然后针对多帧图像超分辨率重建中的亚像素位移图像获取和多帧图像重建这两个关键问题,重点研究亚像素位移图像获取条件、图像边缘信息保持、多帧图像多频率重建等问题。在此基础上,本论文取得一定的创新性研究成果,并提出了三个多帧图像重建算法;本论文的研究成果主要包括:（1）提出了一种融合梯度约束的P...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图２．２重建对比图??
?大连海事大学硕士学位论文???１２?准??Ｔｔ?Ｑ）?图像筛选????＾?０?阈值判断??——?■……＇??，?ｈ?＾?Ｔ；??．．?Ｚ?＾?Ｘ?Ｔｉ?？？??－？?—？ｃｉ）￣＞??ｗ?Ｋ??．４＿?，ｖ＂?｛Ｔ＇ｅＷ）??＾????ｎ?ｍ－ｉ??输入图像?输出图像??１■■丄?－＊?ｙ?Ａ?ｙ?Ｊ??基准图选取?图像配准?最优参数选取?误差纠ＪＥ??图３．１图像筛选过程??Ｆｉｇ．?３．１?Ｉｍａｇｅ?ｓｃｒｅｅｎｉｎｇ?ｐｒｏｃｅｓｓ??３．?１．２?ＳＦＥＲ?原理??为了保证被筛选图像的有效性，需要选择高精确度的图像配准方法，ｒ前，较为成??熟且常用的配准算法有基于ＳＩＦＴ特征和基于Ｈａｒｒｉｓ特征检测的图像配准算法、以及??Ｋｅｒｅｎ算法等，其中基于ＳＩＦＴ算法［４３丨相对于其他配准方法具有多量性、稳定性好和匹??配精确高的优点。ＳＩＦＴ方法的实现原理包栝尺度空间的生成、尺度空间极值检测、关键??点的方向参数确定、关键点描述符的生成及特征点的匹配五个阶段。??其中在特征点的匹配阶段，ＦＬＡＮＮ算法特征点匹配的策略是以欧氏距离作Ａ评判??标准，这会导致在所有的匹配对中存在多对…、匹配对不相干等误Ｅ配情况，从而使配??准精度下降。针对这一缺点，本节提出？种基于角度偏移筛选匹配对的方法，对ＦＬＡＮＮ??算法得出的匹配对进行检测筛选，剔除误差较大的匹配点，从而提高图像之间的整体配??准精度。??在两幅形变角度较小的被配准图像中，若在有重叠内容的区域内提取到特征点，且??经过匹配在两幅图像间形成了一系列精度较高的匹配对，这些匹
?大连海事大学硕士学位论文???〇?映射插ｆＳ?ｋ卷枳核??？?点修正?？阈值判毗??．?ｋ?（ｇ）?插值修正??＾ｋＺ）－＾??１２?—：????——??????ｍ－ｉ?Ｎ＾Ｎ?ＮｘＮ?Ｎ＞Ｎ?ＮｘＮ??输入图像??［输出??ｔ?Ａ?ｙ?？??多帧图像映射填充?局部点修止?插值修正?误差判断??图３．２图像重建过程??Ｆｉｇ．?３．２?Ｉｍａｇｅ?ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ?ｐｒｏｃｅｓｓ??局部点修正阶段，由于筛选得到图像的位移参数与理想位移参数之间存在误差，而??在第一阶段过程屮对位移参数采取近似处理，忽略这一误差，导致初始估计图像存在误??差；为了减小上述的误差，得到更精确的图像，本节使用一种局部点修正的方法对图像??进行修正。假设原低分辨率图像中，相邻两点之间是线性关系，则映射填充到高分辨率??网格中后，该两点之间仍是线性关系；利用这种线性的关系，可以对其两点之间的所有??点数据进行修正。同时低分辨率图像中配准参数为（〇，〇）的图像是完全准确的数据，所??以可以利用该图像在小范围内的线性规律，修正其它ＬＲ图像在映时填充过程中的误差。??以图像二倍重建为例进行说明，修正过程如图３．３所示，针对下标为（２ｎ，?２ｎ）??（ｎ＝０，ｌ．．．ｎ）点数据，利用其对角线力向四个数据进行修正，如式３．８所示；针对下标??为（２ｒｖＨ，?２ｎ）点数据和下标为（２ｎ，?２ｎ＋ｌ）点数据，利用其水平和竖直方向的四个相??邻数据进行修正，如式３．６和式３．７所示。通过逐点的修正处理，得到更为精确的点数??据（图中３．３黑色点数据），这样减小了映射填充过程中因近似处理
【参考文献】：
期刊论文
[1]基于权重小波变换的图像多分辨率重建算法[J]. 晋杰,董丽丽,丁雪,姜宇航,许文海. 光电子·激光. 2019(11)
[2]基于小波变换的超分辨率图像增强算法研究[J]. 张芯苑. 电子世界. 2018(17)
[3]结合小波变换与深度网络的图像超分辨率方法[J]. 孙超,吕俊伟,宫剑,仇荣超,李健伟,伍恒. 激光与光电子学进展. 2018(12)
[4]基于小波的超分辨率算法研究及FPGA实现[J]. 陈光拓,孙洋,杜雨洺,杨学博. 成都信息工程大学学报. 2017(06)
[5]基于去卷积的快速图像超分辨率方法[J]. 孙超,吕俊伟,李健伟,仇荣超. 光学学报. 2017(12)
[6]采用CCD错位成像技术提高图像质量[J]. 李亚鹏,何斌. 光学学报. 2015(02)
[7]基于小波变换和迭代反向投影的超分辨率算法[J]. 宋佳伟,徐煜明,肖贤建. 计算机技术与发展. 2015(02)
[8]基于参叉像元和非均匀B样条曲面的遥感图像超分辨率重建[J]. 王京萌,张爱武,孟宪刚,刘诏. 国土资源遥感. 2015(01)
[9]基于小波变换的图像超分辨率复原算法研究[J]. 唐佳林,吴泽锋,蒋才高,孙慧芳. 计算机科学. 2014(S2)
[10]基于3线阵探测器的亚像元成像超分辨率重构[J]. 杨文波,朱明,刘志明,陈东成. 光学精密工程. 2014(08)
本文编号：3546949
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图２．２重建对比图??
?大连海事大学硕士学位论文???１２?准??Ｔｔ?Ｑ）?图像筛选????＾?０?阈值判断??——?■……＇??，?ｈ?＾?Ｔ；??．．?Ｚ?＾?Ｘ?Ｔｉ?？？??－？?—？ｃｉ）￣＞??ｗ?Ｋ??．４＿?，ｖ＂?｛Ｔ＇ｅＷ）??＾????ｎ?ｍ－ｉ??输入图像?输出图像??１■■丄?－＊?ｙ?Ａ?ｙ?Ｊ??基准图选取?图像配准?最优参数选取?误差纠ＪＥ??图３．１图像筛选过程??Ｆｉｇ．?３．１?Ｉｍａｇｅ?ｓｃｒｅｅｎｉｎｇ?ｐｒｏｃｅｓｓ??３．?１．２?ＳＦＥＲ?原理??为了保证被筛选图像的有效性，需要选择高精确度的图像配准方法，ｒ前，较为成??熟且常用的配准算法有基于ＳＩＦＴ特征和基于Ｈａｒｒｉｓ特征检测的图像配准算法、以及??Ｋｅｒｅｎ算法等，其中基于ＳＩＦＴ算法［４３丨相对于其他配准方法具有多量性、稳定性好和匹??配精确高的优点。ＳＩＦＴ方法的实现原理包栝尺度空间的生成、尺度空间极值检测、关键??点的方向参数确定、关键点描述符的生成及特征点的匹配五个阶段。??其中在特征点的匹配阶段，ＦＬＡＮＮ算法特征点匹配的策略是以欧氏距离作Ａ评判??标准，这会导致在所有的匹配对中存在多对…、匹配对不相干等误Ｅ配情况，从而使配??准精度下降。针对这一缺点，本节提出？种基于角度偏移筛选匹配对的方法，对ＦＬＡＮＮ??算法得出的匹配对进行检测筛选，剔除误差较大的匹配点，从而提高图像之间的整体配??准精度。??在两幅形变角度较小的被配准图像中，若在有重叠内容的区域内提取到特征点，且??经过匹配在两幅图像间形成了一系列精度较高的匹配对，这些匹
?大连海事大学硕士学位论文???〇?映射插ｆＳ?ｋ卷枳核??？?点修正?？阈值判毗??．?ｋ?（ｇ）?插值修正??＾ｋＺ）－＾??１２?—：????——??????ｍ－ｉ?Ｎ＾Ｎ?ＮｘＮ?Ｎ＞Ｎ?ＮｘＮ??输入图像??［输出??ｔ?Ａ?ｙ?？??多帧图像映射填充?局部点修止?插值修正?误差判断??图３．２图像重建过程??Ｆｉｇ．?３．２?Ｉｍａｇｅ?ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ?ｐｒｏｃｅｓｓ??局部点修正阶段，由于筛选得到图像的位移参数与理想位移参数之间存在误差，而??在第一阶段过程屮对位移参数采取近似处理，忽略这一误差，导致初始估计图像存在误??差；为了减小上述的误差，得到更精确的图像，本节使用一种局部点修正的方法对图像??进行修正。假设原低分辨率图像中，相邻两点之间是线性关系，则映射填充到高分辨率??网格中后，该两点之间仍是线性关系；利用这种线性的关系，可以对其两点之间的所有??点数据进行修正。同时低分辨率图像中配准参数为（〇，〇）的图像是完全准确的数据，所??以可以利用该图像在小范围内的线性规律，修正其它ＬＲ图像在映时填充过程中的误差。??以图像二倍重建为例进行说明，修正过程如图３．３所示，针对下标为（２ｎ，?２ｎ）??（ｎ＝０，ｌ．．．ｎ）点数据，利用其对角线力向四个数据进行修正，如式３．８所示；针对下标??为（２ｒｖＨ，?２ｎ）点数据和下标为（２ｎ，?２ｎ＋ｌ）点数据，利用其水平和竖直方向的四个相??邻数据进行修正，如式３．６和式３．７所示。通过逐点的修正处理，得到更为精确的点数??据（图中３．３黑色点数据），这样减小了映射填充过程中因近似处理
【参考文献】：
期刊论文
[1]基于权重小波变换的图像多分辨率重建算法[J]. 晋杰,董丽丽,丁雪,姜宇航,许文海. 光电子·激光. 2019(11)
[2]基于小波变换的超分辨率图像增强算法研究[J]. 张芯苑. 电子世界. 2018(17)
[3]结合小波变换与深度网络的图像超分辨率方法[J]. 孙超,吕俊伟,宫剑,仇荣超,李健伟,伍恒. 激光与光电子学进展. 2018(12)
[4]基于小波的超分辨率算法研究及FPGA实现[J]. 陈光拓,孙洋,杜雨洺,杨学博. 成都信息工程大学学报. 2017(06)
[5]基于去卷积的快速图像超分辨率方法[J]. 孙超,吕俊伟,李健伟,仇荣超. 光学学报. 2017(12)
[6]采用CCD错位成像技术提高图像质量[J]. 李亚鹏,何斌. 光学学报. 2015(02)
[7]基于小波变换和迭代反向投影的超分辨率算法[J]. 宋佳伟,徐煜明,肖贤建. 计算机技术与发展. 2015(02)
[8]基于参叉像元和非均匀B样条曲面的遥感图像超分辨率重建[J]. 王京萌,张爱武,孟宪刚,刘诏. 国土资源遥感. 2015(01)
[9]基于小波变换的图像超分辨率复原算法研究[J]. 唐佳林,吴泽锋,蒋才高,孙慧芳. 计算机科学. 2014(S2)
[10]基于3线阵探测器的亚像元成像超分辨率重构[J]. 杨文波,朱明,刘志明,陈东成. 光学精密工程. 2014(08)
本文编号：3546949
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3546949.html
