论文部分内容阅读
图像超分辨率重建是利用多帧(或单帧)低分辨率图像,通过它们之间可能存在的互补信息(或者学习库),重建一幅或多幅高分辨率图像的技术,通常称为多(单)帧重建。该技术可以在一定程度上弥补硬件分辨率的不足,而且成本低廉,具有广泛的应用价值,已经得到国内外学者的广泛关注。 针对多帧重建问题,本文从提升模型精度和改进模型求解方法两个方面来改善重建效果。本文主要贡献体现在以下四个方面: 第一,深入研究了图像退化过程,利用一阶泰勒展式,将亚像素位移保留了下来,提出含有亚像素位移的退化模型,这便有了构建高精度重建模型的基础。 第二,为了进一步提升模型精度,提出了给低分辨率像素赋权的思想,并给出最近邻高斯加权方案。该方案同时解决了低分辨率像素的选择和赋权问题,实验结果表明,所提加权方式是可行的、有效的。 第三,在以上工作的基础上,本文提出了一种新的重建框架。实验结果表明,与已有框架相比,所提框架可以节约计算时间,提升重建效率。此外,利用新框架可以将反卷积分离出来,便于用户根据需求做出选择:是否继续做反卷积运算。 第四,针对所建模型,使用图割算法进行求解。设计了一个滤波器,将其用到能量函数中,不仅可以使能量函数满足图割算法的正则性要求,而且还能最大程度地保证模型的精度。实验结果表明所提求解方法优于现有的近似方式。 在与现有方法比较时,使用了模拟低分辨率图像和真实低分辨率图像,结果均显示本文所提算法能够重建出更多的细节信息,重建效果更好,进一步验证了本文方法的有效性。