高性能超分辨率重建算法研究.pdf

1、實(shí)時(shí)獲取的高分辨率圖像信息在醫(yī)學(xué)治療、視頻監(jiān)控、遙感衛(wèi)星成像等領(lǐng)域發(fā)揮著十分重要的作用。然而，由于成像設(shè)備在獲取圖像過(guò)程中總是受到各種因素影響，如系統(tǒng)噪聲、成像環(huán)境等，導(dǎo)致采集到的圖像分辨率較低、畫面質(zhì)量較差。若采用改進(jìn)硬件設(shè)備來(lái)提升分辨率這種傳統(tǒng)手段，會(huì)造成設(shè)備體積增大、制造成本高、加工困難等一系列新問(wèn)題。因此，在不改變硬件設(shè)備的前提下，人們想要通過(guò)軟件方式來(lái)提升圖像分辨率，超分辨率重建技術(shù)應(yīng)運(yùn)而生。
　　然而，在多樣化的超分辨

2、率算法中，不管是單幀還是多幀方法都存在一定的不足。單幀方法處理時(shí)間快但重建效果不佳，多幀方法重建效果好但處理時(shí)間相當(dāng)慢。在對(duì)圖像進(jìn)行高效重建時(shí)，特別是針對(duì)大尺寸、大信息量圖像，這兩種算法都無(wú)法很好地平衡分辨率的提升和處理時(shí)間的降低。為了在提升分辨率的同時(shí)也降低處理時(shí)間，文本對(duì)特定的超分辨率方法進(jìn)行了研究，并提出一種將多幀與單幀相結(jié)合的高性能超分辨率重建算法。首先，深入研究變分貝葉斯多幀算法，將未知高分辨率圖像、圖像獲取過(guò)程、運(yùn)動(dòng)參數(shù)及未

3、知的模型參數(shù)建立統(tǒng)一的數(shù)學(xué)模型，對(duì)多幀圖像的運(yùn)動(dòng)模型進(jìn)行精確估計(jì)，實(shí)現(xiàn)超分辨率重建；且在該算法流程中，本文對(duì)輸入的低分辨率圖像提出了分塊決策思想，利用Canny技術(shù)進(jìn)行信息判斷，信息少則簡(jiǎn)單重建，信息多則貝葉斯重建，在確保分辨率不受影響的情況下，降低了算法的處理時(shí)間。其次，深入研究字典學(xué)習(xí)單幀算法，利用主成分分析和K-mean及奇異值分解算法進(jìn)行字典訓(xùn)練得到高、低分辨率字典，并利用正交匹配追蹤算法進(jìn)行圖像重建。本文針對(duì)在字典訓(xùn)練過(guò)程中數(shù)

4、據(jù)信息量過(guò)大的問(wèn)題做了一定改進(jìn)，引入核主成分分析算法實(shí)現(xiàn)數(shù)據(jù)壓縮，有效提高算法的處理速率；并使用特定濾波器進(jìn)行特征提取，獲取更多的高頻信息，有助于提高分辨率。最后，為同時(shí)提升分辨率和運(yùn)行速率，特別是在處理大尺寸圖像，本文提出了一種高性能超分辨率重建算法，即先進(jìn)行多幀重建，再將得到的結(jié)果圖進(jìn)行單幀重建。在每一個(gè)重建環(huán)節(jié)中，本文都會(huì)對(duì)圖像進(jìn)行分割，并利用圖像信息作為判定準(zhǔn)則，對(duì)每一個(gè)圖像塊進(jìn)行分析，信息多則使用復(fù)雜的重建算法（貝葉斯、字典學(xué)