反向迭代投影的图像超分辨率重构算法研究
本文通过分析迭代反向投影算法的超分辨率处理机理，通过虚拟全景图像及其迭代权阵,实现迭代反向投影的逐帧处理,从而可实时的对视频图像序列作超分辨率处理。另外还采用了基于光流计算的分层迭代图像配准、双线性插值模拟采样、阈值先验约束、坐标系同步变换等技术来提高算法的有效性。通过对仿真图像的处理对算法进行了验证。 HM000064
关键词： 图像超分辨率、迭代反向投影法、图像配准、下采样
4.2 IBP算法与MAP算法的比较 查看完整请+Q:351916072获取
本节实验采用标准测试图像Lena进行重构，大小为256×256，对Joint MAP算法和反相迭代投影算法进行比较。算法采用MATLAB语言编写，图像重构的质量采用峰值信噪比(PSNR)和主观视觉来评价。
实验所需的低分辨率观测图像序列是由一幅高分辨率Lena图像进行降质获得的，对高分辨率图像进行模拟平移运动，模糊通过5X5的高斯点扩散函数来实现，对图像进行倍数为2的下采样，添加方差为0．001的高斯噪声，得到4幅大小为64×64的低分辨率图像序列。图3．3为本实验采用的模拟成像过程图像的运动参数。
从4幅低分辨率图像序列中选取一幅图像进行双线性插值放大，将其作为参考图像。分别采用Joint MAP算法和IBP算法对低分辨率图像进行重构。Joint MAP算法是同时进行运动估计和高分辨率图像重构的，无须事先进行图像配准，通过算法迭代不断更新运动参数并配准。然而，IBP算法采用仿射模型进行图像配准，由于本实验成像过程的运动参数已知，因此保留0．01一O．1之间的运动误差。IBP算法在数字上和一般的线性方程的迭代解法类似，因此也有一些相似的特点。IBP算法收敛速度较快，一般不会超过5次迭代，而且可以由并行机制实现。图4.1到图4.4是分别采用Joint MAP算法和IBP算法对Lena图像的重构结果。
图4.1 原始高分辨率图
图4.2 低分辨率参考图像
图4.3 Joint MAP算法的实验结果
图4.4 IBP算法的实验结果摘要 5
ABSTRACT 6
第1章 绪论 8
1.1研究背景与意义 8
1.2国内外研究现状 10
1.3本文章节安排 14
第2章 超分辨率图像重构问题的描述 15
2.1 引言 15
2.2 图像成像模型和观测模型 15
2.2.1 成像模型 15
2.2.2 模型参数 17
2.3 超分辨率重构过程 19
2.3.1 超分辨率重构问题的病态性 20
2.3.2 正则化参数 22
2.4 本章小结 23
第3章 基于迭代反向投影IBP的图像超分辨率重构 25
3.1 预处理过程 25
3.1.1 图像配准的概念 25
3.1.2 仿射模型 26
3.2 IBP算法实现超分辨率重构 30
3.2.1 算法设计 30
3.2.2 实验结果 31
3.2.3 实验结果分析 34
3.3 本章小结 35
第4章 MAP算法与IBP算法的比较 36
4.1 联合最大后验概率估计（Joint MAP）算法
4.1.1 MAP框架的特点 36
4.1.2 观测模型 36
4.1.3 Joint MAP估计 37
4.1.4 梯度下降最优迭代法 39
4.2 IBP算法与MAP算法的比较 40
4.3 本章小结 43
第5章 总结与展望 45
参考文献 46
附录一 英文文献 50
附录二 中文翻译 62
关键词： 图像超分辨率、迭代反向投影法、图像配准、下采样
4.2 IBP算法与MAP算法的比较 查看完整请+Q:351916072获取
本节实验采用标准测试图像Lena进行重构，大小为256×256，对Joint MAP算法和反相迭代投影算法进行比较。算法采用MATLAB语言编写，图像重构的质量采用峰值信噪比(PSNR)和主观视觉来评价。
实验所需的低分辨率观测图像序列是由一幅高分辨率Lena图像进行降质获得的，对高分辨率图像进行模拟平移运动，模糊通过5X5的高斯点扩散函数来实现，对图像进行倍数为2的下采样，添加方差为0．001的高斯噪声，得到4幅大小为64×64的低分辨率图像序列。图3．3为本实验采用的模拟成像过程图像的运动参数。
从4幅低分辨率图像序列中选取一幅图像进行双线性插值放大，将其作为参考图像。分别采用Joint MAP算法和IBP算法对低分辨率图像进行重构。Joint MAP算法是同时进行运动估计和高分辨率图像重构的，无须事先进行图像配准，通过算法迭代不断更新运动参数并配准。然而，IBP算法采用仿射模型进行图像配准，由于本实验成像过程的运动参数已知，因此保留0．01一O．1之间的运动误差。IBP算法在数字上和一般的线性方程的迭代解法类似，因此也有一些相似的特点。IBP算法收敛速度较快，一般不会超过5次迭代，而且可以由并行机制实现。图4.1到图4.4是分别采用Joint MAP算法和IBP算法对Lena图像的重构结果。
图4.1 原始高分辨率图图4.2 低分辨率参考图像图4.3 Joint MAP算法的实验结果图4.4 IBP算法的实验结果摘要 5ABSTRACT 6
第1章 绪论 8
1.1研究背景与意义 8
1.2国内外研究现状 10
1.3本文章节安排 14
第2章 超分辨率图像重构问题的描述 15
2.1 引言 15
2.2 图像成像模型和观测模型 15
2.2.1 成像模型 15
2.2.2 模型参数 17
2.3 超分辨率重构过程 19
2.3.1 超分辨率重构问题的病态性 20
2.3.2 正则化参数 22
2.4 本章小结 23
第3章 基于迭代反向投影IBP的图像超分辨率重构 25
3.1 预处理过程 25
3.1.1 图像配准的概念 25
3.1.2 仿射模型 26
3.2 IBP算法实现超分辨率重构 30
3.2.1 算法设计 30
3.2.2 实验结果 31
3.2.3 实验结果分析 34
3.3 本章小结 35
第4章 MAP算法与IBP算法的比较 36
4.1 联合最大后验概率估计（Joint MAP）算法
4.1.1 MAP框架的特点 36
4.1.2 观测模型 36
4.1.3 Joint MAP估计 37
4.1.4 梯度下降最优迭代法 39
4.2 IBP算法与MAP算法的比较 40
4.3 本章小结 43
第5章 总结与展望 45
参考文献 46
附录一 英文文献 50
附录二 中文翻译 62
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2361.html
