论文部分内容阅读
随着当今科技的发展,人们对得到图像的质量要求越来越高。为了使得到的图像能够达到要求,人们希望以软件的算法提高成像质量代替昂贵的成像设备的改善。许多研究者对超分辨率图像重建技术展开研究,即是指从一幅或一系列观测得到的低分辨率退化图像中估计恢复得到一幅清晰的高分辨率图像的分辨率增强技术,可以分为单帧和多帧的图像重建,目前在许多方面都得到了广泛的应用。小波变换作为信号处理一种强力的新手段,其优点在于它在信号处理过程中,在时域和频域同时都具有良好的局部变换。在之前的研究中,有学者已经提出基于小波变换的超分辨率图像重建算法并取得较好的效果。沿着这条思路,作者希望将多尺度几何工具引入到图像超分辨率重建技术中,所以本文主要研究了基于Contourlet变换的图像超分辨率重建算法。本论文的主要工作如下:(1)提出了基于Contourlet变换和SAI(Soft-decision adaptive interpolation)算法的单帧图像超分辨率重建方法。该方法利用Contourlet变换在图像处理中对图像的边缘信息和细节信息良好的捕捉特性,以及SAI算法在图像分辨率的增强过程中对图像细节信息良好的保持特性。实验仿真表明提出的算法具有较好的效果。通过对提出算法的分析,文章提出另一种基于Contourlet变换和SAI算法的单帧图像重建方法,低频修正的方法,仿真实验结果同样证明了该算法的合理性和可行性;(2)提出了基于Contourlet变换和POCS(Projection Onto Convex Set)相结合的序列图像超分辨率重建方法。POCS是序列图像重建技术中的经典算法,该方法的优点是:可以方便地加入物体的先验信息,也可以很好地保持高分辨率图像的边缘和细节。因此提出的算法结合POCS的特点以及Contourlet变换在图像处理过程中的良好特性进行序列图像重建。通过实验仿真分析并与其它的算法进行对比可以看到提出的算法在主观视觉效果以及PSNR方面都具有较好的效果;(3)提出了基于Contourlet变换和图像融合技术相结合的序列图像超分辨率重建方法。图像融合是将两个或者两个以上的传感器获取的关于某个具体场景的图像信息加以综合,以生成一个新的有关此场景的解释,其主要目的是减少图像信息的不确定性,通过对多幅图像间互补信息的处理来提高图像的清晰度。在此基础上提出了与Contourlet变换结合的序列图像重建方法。仿真实验结果并与其它算法的对比证明提出算法的合理性和可行性。