论文部分内容阅读
在实际应用中,获取具有更高分辨率、更好质量的图像是十分必要的。例如,军事遥感侦查、车辆牌照识别、医学图像病灶检查等领域。因此,提高图像分辨率在各个应用领域都存在迫切的需求。高分辨率图像获取主要可通过以下两种方法:通过提高成像系统性能(加大相机焦距、增加传感器阵列的采样密度)直接获得高分辨率图像,而这样往往导致成本增加、机载光电平台体积增大,不适于机载设备小型化;利用图像超分辨率重建技术间接获取高分辨率图像,效果好且简单易行,是目前提高图像分辨率最有效的方法。
随着图像超分辨率重建技术的不断发展,国内外研究人员提出了众多超分辨率重建算法,大致可分为两类:频域算法和空间域算法。频域算法主要针对图像间存在整体平移的情况,目前还没有取得实质意义上的重大突破。空间域算法则是基于通用的观测模型,涉及全局和局部运动、光学模糊、运动模糊、空间可变点扩散函数、非理想采样等内容。空间域算法具有更好的适应性和重建效果,是目前超分辨率重建领域的主要研究方向。本文采用空间域算法中的凸集投影算法(POCS)进行超分辨率重建。POCS算法以其直观有效、观察模型实用性强以及灵活的先验信息,是最有前途的超分辨率重建算法之一。
本文首先研究图像超分辨率重建算法的发展现状,并对目前常用方法进行了对比。图像配准在超分辨率重建中具有非常关键的影响,因此,本文对图像配准分类以及本文采用的基于Fourier_Mellin算法结合keren算法的复合配准算法和基于矩阵离散傅立叶变换的亚像素级配准算法进行了详细的阐述。然后通过实验验证利用图像配准算法实现运动参数估计精度。
最后针对POCS图像超分辨率重建算法原理及实现进行了研究。提出利用基于梯度的插值算法获得高分辨率图像的初始估计,并且在参考帧修正过程中,对边缘点为中心的空间点扩散函数进行修正。实验结果表明,该方法能够得到较好的图像质量,明显的增强了重建高分辨率图像的边缘质量。