学位论文 > 优秀研究生学位论文题录展示

基于重构的超分辨率技术研究

作　者: 闫华
导　师: 刘琚
学　校: 山东大学
专　业: 通信与信息系统
关键词: 超分辨率图像配准 Radon变换 Canny算子规整化位移帧差同步递归并行递归模糊辨识误差-参数分析
分类号: TN911.73
类　型: 博士论文
年　份: 2007年
下　载: 754次
引　用: 7次
阅　读: 论文下载

内容摘要

在医学诊断、卫星成像和视频监控等应用中，我们经常需要高分辨率图像提供更多的细节和信息。由于CCD和CMOS传感器的分辨率级不够高，采集的图像在放大时经常容易产生失真。如果我们单纯通过改进硬件系统的性能来提高分辨率级，在技术方面很难实现突破，同时也会带来难以承受的成本增加，会严重阻碍应用的推广，所以通过软件增强采集图像的分辨率，突破硬件系统的限制具有非常大的研究意义。超分辨率技术是一种图像融合技术，它能够利用信号处理的方式从同一场景的多个观测低分辨率图像中获得高分辨率图像或序列，从而克服传感器和光学制造技术的限制。目前，这一分辨率增强技术已经成为最活跃的研究领域之一。本论文从低分辨率成像的数学模型出发，回顾了基于重构和基于学习的超分辨率算法，并进行系统分析和研究，最后提出了一些解决超分辨率问题的方案。主要成果概括如下：1．提出了基于边缘投影的图像配准方案。本论文利用Canny算子能同时照顾图像的强、弱边缘，具有较好的抗噪性能，较高的边缘定位精度和较低的误检率等特点，将它作为边缘提取算子来提取参考图像和待配准图像的边缘。然后利用Radon变换将提取的边缘在不同的射线方向上进行投影，来准确地反映边缘走向，采用边缘投影的最大互相关准则进行图像的粗配准，获得图像间的旋转角和像素级的平移量。最后进一步利用数据拟合的方法对平移估计进行细化，配准的精度由细化的重采样间隔确定；2．提出了考虑图像配准误差的规整化超分辨率重构算法。a．由于图像的配准并不能完全获得与原始运动一样的参数，在超分辨率问题中，本论文将位移帧差引入的误差称之为配准误差，用来反映交互通道的配准误差信息，并将其作为噪声均值与低分辨率观测通道内的加性高斯噪声相结合得到新的高斯噪声。b．本论文基于Miller规整的思想逐像素限定了两种约束，并通过规整化参数将这两种约束相结合，构造规整化代价函数。规整化参数根据观测通道内的加性高斯噪声污染的程度和通道间配准误差逐像素进行选择，自适应地控制相对于观测低分辨率图像的逼真度和期望的高分辨率图像的先验平滑之间的折中。c．本论文提出了两种递归实现规整化算法的方案：同步递归和并行递归方案重构高分辨率图像。d．本论文在消除光学模糊的同时提出对有限传感器阵列的平滑和理想采样分别处理来消除传感器的平滑。图像的上采样操作利用最邻插值代替补零插值来抑制边缘波纹。3．提出了基于误差-参数分析的超分辨率盲辨识方案。a．在单通道参数辨识中，本论文通过误差-参数分析获得单通道的误差-参数曲线，根据曲线的变化趋势来经验地选择表征模糊函数的参数；b．在多通道单参数辨识中，由于通道间重构误差的交互影响，本论文将误差-参数分析与搜索算法相结合，根据最小重构误差准则获得需辨识的参数。搜索算法的结合有效降低了计算量，实现模糊参数的快速辨识；4．提出了基于独立分量分析的超分辨率人脸假想和识别方案。将高分辨率人脸图像作为混迭信号，利用FastICA算法对大量高分辨率人脸样本进行学习获得独立的人脸特征，即高分辨率基图像。将高分辨率基图像进行下采样获得近似独立的低分辨率基图像。将待识别的低分辨率人脸图像在低分辨率基图像空间投影，利用无约束最小二乘获得投影坐标，保持投影坐标不变，将其作为相应的高分辨率基图像的混迭系数，最后进行高分辨率人脸的假想和识别。综上所述，本文针对基于重构的超分辨率问题的三个方面：图像配准、将病态的超分辨率问题转化为良态的规整化及盲模糊辨识三个方面进行了研究；将独立分量分析运用到基于学习的超分辨率中，实现了超分辨率人脸假想与识别。论文最后总结了该领域急待解决的问题和下一步的研究重点。

全文目录

中文摘要  11-13
ABSTRACT  13-17
缩略语简表  17-19
第一章绪论  19-29
  1.1 超分辨率技术概述  19-21
  1.2 国内外研究现状  21-25
    1.2.1 基于重构的超分辨率技术  21-23
    1.2.2 基于学习的超分辨率技术  23-24
    1.2.3 超分辨率技术的实际应用  24-25
  1.3 本论文的研究内容和主要贡献  25-27
  1.4 小结  27-29
第二章基于重构的超分辨率技术  29-51
  2.1 空间分辨率  29-30
  2.2 低分辨率成像的数学模型  30-37
    2.2.1 连续-离散模型  31-34
    2.2.2 离散-离散模型  34-35
    2.2.3 矩阵-向量模型  35-37
  2.3 经典图像复原  37-39
  2.4 超分辨率重构算法  39-49
    2.4.1 频域算法  43-44
    2.4.2 空域算法  44-49
  2.5 小结  49-51
第三章基于边缘投影的图像配准  51-65
  3.1 基本概念  51-54
    3.1.1 图像边缘抽取  51
    3.1.2 信号间的互相关  51-52
    3.1.3 数据拟合的最小二乘法  52
    3.1.4 峰值信噪比  52
    3.1.5 Radon变换  52-54
  3.2 图像配准  54-57
    3.2.1 图像配准的原理  54-55
    3.2.2 图像配准的基本步骤  55-57
  3.3 基于边缘投影的图像配准  57-60
  3.4 仿真试验和分析  60-63
  3.5 小结  63-65
第四章考虑配准误差的规整化超分辨率图像重构  65-87
  4.1 引言  65-66
  4.2 规整化的基本理论  66-68
    4.2.1 反卷积问题的规整化  66-67
    4.2.2 Fredholm第一类病态方程的 T_(HXOHOB)规整化  67-68
  4.3 噪声分析  68-69
  4.4 考虑配准误差的规整化超分辨率重构算法  69-71
  4.5 规整化参数的选择  71-72
    4.5.1 考虑配准误差的规整化参数项  71
    4.5.2 考虑观测噪声的规整化参数项  71-72
  4.6 规整化超分辨率重构算法的实现  72-76
    4.6.1 广义规整化代价函数  72-73
    4.6.2 规整化超分辨率重构算法的常规递归实现  73-74
    4.6.3 规整化超分辨率重构算法的同步递归实现  74-75
    4.6.4 规整化超分辨率重构算法的并行递归实现  75
    4.6.5 递归实现过程中的采样  75-76
    4.6.6 规整化超分辨率重构算法的性能评价  76
  4.7 仿真试验和分析  76-81
    4.7.1 规整化超分辨率重构算法的比较  76-81
    4.7.2 采样对超分辨率重构的影响  81
  4.8 小结  81-87
第五章基于误差-参数分析的超分辨率模糊辨识  87-99
  5.1 模糊函数的参数模型  87-88
  5.2 误差-参数分析  88
  5.3 基于误差-参数分析的超分辨率模糊辨识  88-90
    5.3.1 单通道参数辨识  88-89
    5.3.2 结合搜索算法的多通道单参数辨识  89-90
  5.4 仿真试验和分析  90-96
    5.4.1 单通道参数辨识  90
    5.4.2 多通道单参数辨识  90-94
    5.4.3 实际图像的超分辨率模糊辨识和重构  94-96
  5.5 小结  96-99
第六章基于独立分量分析的超分辨率人脸假想和识别  99-113
  6.1 引言  99-100
  6.2 独立分量分析(ICA)  100-104
    6.2.1 基本模型  100-101
    6.2.2 ICA的约束条件和不确定性  101-102
    6.2.3 FastICA算法  102-104
    6.2.4 ICA的应用  104
  6.3 基于 ICA的超分辨率人脸假想和识别  104-110
    6.3.1 两种 ICA框架模型  104-108
    6.3.2 低分辨率人脸图像的成像模型  108
    6.3.3 低分辨率人脸图像的 ICA模型  108-109
    6.3.4 基于 ICA的超分辨率人脸假想和识别  109-110
  6.4 仿真试验和分析  110-112
  6.5 小结  112-113
第七章结论与展望  113-117
附录  117-119
  附录A: 共轭梯度  117-118
  附录B: 双线性插值  118-119
参考文献  119-131
致谢  131-133
攻读学位期间发表的学术论文目录  133-135
附件:外文论文两篇  135-152
学位论文评阅及答辩情况表  152

基于重构的超分辨率技术研究

内容摘要

全文目录

相似论文