论文部分内容阅读
在高速图像采集处理系统应用中,空间分辨率、图像动态范围和图像的信噪比是衡量数字图像的重要标准,因此,高质量图像获取与超分辨率重建是两个及其重要的环节,具有很高的理论研究和应用价值。本文针对互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)图像传感器技术、图像去噪和图像超分辨率重建技术的关键问题做了研究。本文的主要研究工作和创新点如下:(1)本文对偏微分方程方法建立图像去噪声模型进行了研究,并基于全变分模型的算法思想,在P-M正则化模型的基础上,合理地选择非增扩散函数,采用了一种加权变分的图像去噪声算法。该加权变分去噪声算法能够在对椒盐噪声做平滑处理的同时,对图像边缘信息进行有效的保护。相比于经典的P-M正则化模型,在图像的峰值信噪比相当的情况下,可以减少迭代次数,达到良好的去噪声效果。(2)本文在研究已有图像重建算法的基础上,基于正则化方法的思想,通过对边缘图像引入劳伦兹分布函数作为先验图像模型,建立了一种基于劳伦兹分布的图像超分辨率重建(Lorentzian-Based Super-Resolution,LBSR)算法。实验结果表明,在超分辨率重建的最大后验概率(Maximum A Posteriori,MAP)算法中,采用劳伦兹分布的先验图像模型,能够提高MAP算法的稳定性,提高图像重建性能。该算法可以有效克服一些传统算法存在的缺点,获得较好的图像重建效果。(3)本文提出了一种双向预测加权平均插值算法(Linear Prediction and Weighted Average,LPWA),用于单片CMOS图像传感器的Bayer图像插值重建。该算法可以降低图像平滑的程度,较好地保护图像的边缘和纹理。通过实验结果分析,该算法插值效果较好,具有较高的算法效率。由于简化了算法的复杂程度和计算步骤,LPWA插值算法可以提高视频采集系统的高速图像处理能力。(4)本文研究面向高速、高分辨率性能的CMOS图像传感器技术,并设计了两种新型数字像素传感器电路,优化了异步自复位像素电路的结构和器件尺寸,使其在满足工艺尺寸要求的情况下,版图实现所占用的达到面积最小,有利于提高像素电路的填充系数。本文在异步复位数字像素电路的基础上,提出了一种基于图像超分辨率重建的CMOS图像传感器架构,将本文提出的LPWA插值算法和LBSR算法内嵌在图像传感器电路中,从而提高图像采集系统的高速处理性能。像素电路采用同步曝光和列并行读出方式,提高了像素数据的读取速度,再与LPWA硬件插值算法相结合,能够实现彩色图像的高速采集、重建和传输。