论文部分内容阅读
高分辨率的图像所呈现的图像细节更为丰富,表达信息的能力更强,但是在实际应用中,直接捕获的图像由于成像设备及采集环境的限制,往往是低质的,存在模糊、变形、含噪声等。提高图像分辨率最直观的方法为改善图像传感器制作工艺,但是高昂的费用限制了其应用范围,因此通过软件方法来提高图像分辨率即图像超分辨率重建技术成为图像处理的研究热点。图像超分辨率重建技术是指在不改变硬件设备的情况下,利用合理的先验知识及数学模型,从一幅或多幅低分辨率的观测图像中重建出质量较好的高分辨率图像的技术,在医学、军事、遥感、视频监控等领域都有广泛地应用。与多帧图像相比,单帧图像重建技术仅利用一幅低分辨率的观测图像进行重建,应用面更广,因此本文重点研究单帧图像超分辨率重建技术。本文首先回顾了图像超分辨率重建技术的国内外研究现状及几类常用的经典算法,包括基本思想、基本步骤、优缺点等,其中,由于基于稀疏表示的单帧图像超分辨率重建技术近年来受到了国内外众多学者的关注,成为研究的热点,并且其超分辨率效果较好,因此本文在该算法基础上展开研究,主要工作如下:(1)特征提取是稀疏重构方法中的一个环节,对低分辨率图像有效的高频信息提取能够对高分辨率图像做出更为准确的预测,针对梯度特征只能提取水平垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出了一种结合Gabor变换及NSCT的超分辨率重建算法。该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点,采用Gabor变换来提取纹理特征,NSCT来提取轮廓特征,然后分别利用稀疏模型进行重建,最后合并成一幅高分辨率图像。(2)由于图像在降质过程中会造成模糊,而稀疏表示重构方法对模糊输入效果并不理想,针对该问题,本文对稀疏重构后的图像进行了优化,将l1/l2范数作为正则项对图像进行了去模糊操作,最后通过对比实验验证了该方法的有效性。