空域超分辨率图像融合算法研究

《空域超分辨率图像融合算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文摘要超分辨率图像融合就是利用同一场景的多帧有相互位移豹降质图像或视频序列来重建一帧高分辨率图像的技术。它旨在突破图像硬件设备的分辨率限制，充分利用多帧图像之间的互补信息进行数据融合，弥补由于在图像获取和传输过程中导致的空间分辨攀下降，进而实现更加清晰的高分辨率图像重建。它不但能够改善图像的视觉效果，而且非常便于计算机对图像进行分析、处理和识别。目前，图像超分辨率融合技术已经在遥感、军事、公共安全、计算橇视觉、医学成像、多媒体电子消费、图像压缩等领域得到了广泛应用。因此，超分辨宰图像融合技术有蓑菲卷好豹1；蓼景翻实豁

2、豹应用价值。本文首先对超分辨率图像融合的发展历程和超分辨率图像融合的频域及空域的各种算法进行了介绍，并分析和比较了各种算法的优缺点。观测模型的建立和图像配准(运动估计)是超分辨率图像融合的关键环节。因此，本文接着建立了超分辨率图像成像的观测模型，对图像配准的原理、分类以及其体方法进行详细的介绍。本文采用了基于金字塔结构貔光流场运动估计，因为它能很好地对大位移的图像进行精确的配准。本文接着重点对凸集投影售计法的骧理、实现方法及步骤进行了深入的研究。针对传统凸集投影估计法的缺点，本文提出了改进的点扩散函数，同时利用图像的先验知识，

3、提出了期入线过程作为凸约柬。为了在实际傻蠲中易于实现，本文还对线过程进行了简化。文后的实验结果表明了该算法的有效性。本文最后对最大后验概率估计法进行了研究，给出了最大后验概率估计法的原理、方法和步骤。针对最大后验概率的时问复杂度问题，本文提出了最大后验概鬻估计法的简化方法。实验结果表明本文采用的简化的最大后验概率估计算法也能高效重建出高质量图像。关键词：超分辨率；黼像融食；匿像配准；点扩散函数；岛集投影；最大后验溉率空域超分辨率图像融合算法研究AbstractSuper—resolution(SR、imagefusionist

4、hetechnologyofreconstructingaflameofimagewithhighresolutionfromagroupofwarped，blurredandnoisedlow—resolution(LR、imagesorvideosequenceaboutthesamescene．Thegoalsofthistechnologyaretobreakthroughtheresolutionlimitationoftheimaginghurdwarefacilities，tomakeupthelossofspa

5、tialresolutionduringtheacquisitionandtransmissionofimagesbythehelpofthedatafusionofcomplementaryinformationbetweenmulti—frameimages，andthentoreconstructimageswithhigherresolution．Itcannotonlyimprovethevisualeffectofimage，butalsobeconvenientandbeneficialforcomputerto

6、analyze，process，recognizeandunderstandtheimage．Sofar,thetechnologyofSuper-resolutionimagefusionhasbeenextensivelyappliedtoremotesensing，military,publicsecurity,computervision，medicalimaging，multi：mediaelectronicconsuming，imagecompressionandSOon．Therefore，thistechnol

7、ogyhasgreatprospectwithsignificantapplicationalvalue．ThisthesisfirstlyintroducesthedevelopmentalprocessofSuper-resolutionimagefusionaswellasallkindsofalgorithmsbasingonbothfrequencydomainandspatialdomain．Twoofthemostsuccessfulalgorithms，namely,ProjectionontoConvexSe

8、ts(POCS)andMaximumAPosteriori(MAP)，willbestudiedindepthbasing0nthefullanalysesandcomparisonsofallthesealgorithms．Twoofthekeystepsofthistec