论文部分内容阅读
超分辨率图像重建技术是指从低分辨率图像序列中重建出一幅高分辨率图像,这些图像有噪声、欠采样并且模糊但是相互之间具有互补信息。这项技术不需要改变现有的硬件设备,只通过数据软件处理就能提高图像分辨率,因此在遥感、军事、商业、天文和安全监控等领域具有广阔的应用前景。本文首先介绍了超分辨率图像重建研究的发展历程,了解了超分辨率重建技术的基本原理以及关键技术之后,引入非下采样Contourlet变换的概念,考虑到它的多尺度多方向性在信号处理方面的优越性,本文提出了一种全新的基于非下采样Contourlet变换的超分辨率图像重建算法。算法首先对低分辨率图像序列进行图像配准,本文采用高斯图像金字塔分层计算流速对经典的Lucas-Kanade光流法做了改进,实现了基于高斯金字塔的Lucas-Kanade光流法,仿真实验结果表明,该方法能够有效地进行亚像素精度图像配准。然后针对传统插值重建算法不能有效保护图像边缘细节的问题,利用非下采样Contourlet变换将配准图像分解为高频和低频部分,分别选取不同的融合策略进行融合,融合后采用非下采样Contourlet逆变换得到融合图像。最后对融合图像采用基于非下采样Contourlet变换的图像插值,重建成一幅高分辨率图像。仿真实验结果表明,该算法能有效地融合低分辨率图像序列之间的互补信息,在保护图像边缘细节的基础上,还平滑了背景信息,是一种可行的超分辨率图像重建算法。