基于频域约束的IBP超分辨率图像复原方法
图像超分辨率复原的算法与评价

图像超分辨率复原的算法与评价第一章引言随着数字图像的广泛应用,人们对图像质量的要求越来越高。
然而,由于种种原因,比如采集设备的限制、传输媒介的限制等,所产生的图像往往无法满足人们对细节和清晰度的要求。
如何提高图像的分辨率成为了一个热门的研究课题,图像超分辨率复原技术应运而生。
第二章图像超分辨率复原方法2.1 基于插值的方法基于插值的方法是最简单直观的图像超分辨率复原方法。
其基本思想是根据已有的低分辨率图像,通过插值算法估计其高分辨率图像。
常用的插值方法包括最近邻插值、双线性插值和双三次插值。
2.2 基于边缘的方法基于边缘的方法则通过边缘检测和边缘增强技术来提高图像的分辨率。
该方法的核心是利用边缘信息来推测图像的细节。
常用的边缘检测算法有Sobel算子、Canny算子等。
2.3 基于统计的方法基于统计的方法是通过学习大量高分辨率图像与其对应的低分辨率图像之间的映射关系,从而实现图像超分辨率复原的方法。
常用的统计方法包括最大似然估计、贝叶斯推断等。
第三章图像超分辨率复原的评价指标3.1 峰值信噪比(PSNR)峰值信噪比是图像质量评价中常用的指标之一。
其计算方式是通过比较图像的原始像素值与复原图像的像素值之间的误差来评估图像复原的质量。
PSNR值越高,代表图像复原质量越好。
3.2 结构相似性(SSIM)结构相似性是一种用于图像比较的指标,其计算方式是通过比较图像的亮度、对比度和结构三个方面的相似性来评估图像的质量。
SSIM值越接近1,代表图像复原质量越好。
3.3 主观评价主观评价是一种通过人眼视觉感受来评价图像质量的方法。
通过邀请多位评价人员对图像复原结果进行评分,从而得到人类主观感受的结果。
第四章实验结果与分析在本章中,我们选择了几种常用的图像超分辨率复原算法进行实验,并对实验结果进行了定量和定性的评价。
实验结果表明,在不同的评价指标下,各种算法的表现不尽相同。
这也说明了图像超分辨率复原算法仍然有待进一步改进和优化。
基于小波域的图像超分辨率复原

基于学习的超分辨率复原框架
2、基于学习与重建相结合的单幅图像超分辨率复原
Daniel Glasner, Shai Bagon ,Michal Irani根据图像块 局部自相似性设计出了一种基于学习与基于重建相结合的 超分辨率复原方法,从而实现单幅图像超分辨率的复原效 果。 (1)、局部自相似性 图像块局部自相似特性(patch redundancy):每一幅 图像倾向于包含很多重复的视觉内容,尤其是小的图像块, 倾向于重复在图像中出现,不管是在同尺度图像,还是在 不同尺度图像中。而这一原理成为构造单幅图像恢复超分 辨率图像的框架的基础。
haar小波变换
haar平稳小波变换
小波二级分解图
a、基于小波变换的双线性插值方法
1、将原图像f(x,y)进行小波分解得到MA、MH、MV和MD四个细节子 图,形式上记为 Tf(x,y)=(MA,MH,MV,MD); 2、将MH、MV和MD采用双线性插值算法(记做算子L)分别进行插 值,得到 MH * L(MH ) ,MV * L(MV ) 和 MD* L(MD) ;
MA* , MH * , MV * , 和MD* 做小波逆变换,变换后的结果也就是最终的插
值 f * ( x, y) T 1 (MA* , MH * , MV * , MD* ) 结果为: 。
* f ( x , y ) MA 3、设原始图像的低通部分 ,这样对四个子图
b、基于小波变换修正的双线性插值图像放大方法
超分辨率定义: 图像超分辨率 (super resolution,SR)是 指由一幅低分辨率图像 (low resolution,LR)或图 像序列恢复出高分辨率 图像(high resolution, HR)。HR意味着图像具 有高像素密度,可以提 供更多的细节,这些细 节往往在应用中起到关 键作用。
图像恢复与超分辨率重建方法研究

图像恢复与超分辨率重建方法研究摘要:随着数字图像技术的不断发展,图像恢复与超分辨率重建成为了计算机视觉领域的热门研究方向。
本文将对图像恢复与超分辨率重建的方法进行探讨,并比较不同方法的优缺点,为进一步研究提供参考。
1. 引言图像恢复与超分辨率重建是指通过计算机算法对损坏、模糊或低分辨率的图像进行重建和恢复,以获得更清晰、更高分辨率的图像。
这项技术在许多领域中都有广泛的应用,包括医学图像处理、视频增强、监控和安全领域等。
本文将主要关注图像恢复与超分辨率重建的方法研究。
2. 图像恢复方法2.1 基于插值的方法基于插值的方法通过插值算法对低分辨率图像进行像素值的估计,然后恢复图像的细节信息。
最常用的插值算法有双线性插值、双三次插值等。
此方法的优点是简单易用,但在恢复图像细节方面效果有限。
2.2 基于边缘保持的方法基于边缘保持的方法通过保持图像边缘信息的清晰度来恢复损坏或模糊的图像。
边缘保持滤波器是其中的一种常用方法,它通过对图像进行滤波以增加边缘的对比度。
这种方法能够有效地恢复图像的边缘信息,但对于细节恢复效果较差。
2.3 基于统计建模的方法基于统计建模的方法通过对图像统计特征的分析来恢复图像的细节信息。
其中,基于小波变换的图像恢复是一种常见的方法。
小波变换能够将图像分解成不同尺度的小波系数,通过对小波系数的阈值处理和重构来实现图像的恢复。
这种方法能够在恢复细节的同时保持图像的整体结构。
3. 超分辨率重建方法3.1 基于插值的方法基于插值的超分辨率重建方法通过对低分辨率图像进行插值来增加图像的分辨率。
最常见的方法是双线性插值和双三次插值。
这种方法的优点是简单易用,但由于插值算法本身的局限性,恢复图像的质量较低。
3.2 基于例子的方法基于例子的超分辨率重建方法通过利用高分辨率图像库中的样本学习低分辨率图像与高分辨率图像之间的映射关系,并利用该关系对低分辨率图像进行重建。
这种方法能够较好地恢复图像的细节,但对于数据集的要求较高。
基于IBP改进和稀疏表示的图像超分辨率重建

s e n t e d .Th e d i f f e r e n c e b e t we e n h i g h - r e s o l u t i o n i ma g e s a n d r e c o n s t r u c t i o n r e s u l t s o f I B P i s ma d e u s e o f t O t r a i n h i g h - r e s o l u t i o n
2 0 1 4年 3月
计 算机 工程 与设计
COM P UTER ENGI NEERI NG AND Dபைடு நூலகம்S I GN
Ma r . 2 0 1 4
第3 5 卷
第 3 期
Vo 1 . 3 5 No . 3
基于 I B P改进和 稀疏表示 的图像超分辨率重建
首照宇 ,廖敏璐。 ,张 彤。
摘 要 :为 了提 高单帧 降质 图像 的分辨率 ,利 用迭代反投影 ( i t e r a t i v e b a c k p r o j e c t i o n , I B P ) 的方法改进 了基 于稀疏表 示的 图 像超 分辨 率重建算 法。该算 法将 高分辨率 图像 减去 I B P的重建结果后的差值用 于学习高分辨率 字典 ,并提 出一种基 于非局
d i c t i o n a r y ,wh i c h l e a d s t O n u me r i c a l s h o r t c u t s .A g l o b a l p o s t - p r o c e s s i n g s t a g e b a s e d o n n o n l o c a l s i mi l a r i t y i s a l s o p r o p o s e d i n t h e n e w a l g o r i t h m t o i mp r o v e r e c o n s t r u c t e d i ma g e s .Ex t e n s i v e e x p e r i me n t s v a l i d a t e s t h a t o u r a l g o r i t h m a c h i e v e s b o t h v i s u a l a n d o b —
超分辨率重构

目录一、超分辨率重建概述 (1)1.1 图像增强与图像还原 (1)1.2 超分辨率重建的等级结构 (2)1.3 超分辨率重建的目的 (2)二、图像超分辨率重建 (2)2.1 单帧图像的超分辨重建技术 (2)2.2 多帧图像的超分辨重建技术 (2)2.2.1 重建具备的条件 (2)2.2.2 重建框图 (3)2.3 运动补偿或运动配准 (3)2.4 多帧图像的超分辨重建技术算法 (3)2.4.1 频域法 (3)2.4.2 空域法 (3)2.4.3总结与比较 (3)三、空域法用于多帧图像的单帧超分辨率重建 (4)3.1 规整化重建方法 (4)3.2 非均匀空间样本内插方法 (4)3.3 迭代反投影方法(IBP) (4)3.4 集合理论重建方法(凸集投影POCS) (4)3.5 统计重建方法(最大后验概率MAP和最大似然估计ML) (4)3.6 混合ML/MAP/POCS方法 (5)3.7 自适应滤波/维纳滤波/卡尔曼滤波方法 (5)3.8 确定性重建方法 (5)3.9 基于学习和模式识别的方法 (5)四、超分辨重建中的关键技术 (5)4.1 图像配准与运动估计 (5)4.2 降晰模型 (6)4.3 重建算法 (6)4.4 关于实时应用的问题 (6)一、超分辨率重建概述1.1 图像增强与图像还原图像增强目的是使图像有更好的视觉效果,显现那些被模糊了的细节或简单的突出一幅图像中感兴趣的特征。
图像复原技术与图像增强不同,它恰恰是要找出和利用图像降质的机制进行复原计算。
因此其结果有可能恢复出某些观测图像上直接得不到的细节。
图像增强可以不顾增强后的图像是否符合原来的图像、是否失真,只要看的舒服就行。
而图像复原技术试图利用退化现象的某种先验知识来重建或复原被退化的图像,最终达到改善给定图像的目的,其大部分过程是一个客观的过程。
超分辨率重建正是建立在图像还原的基础上,将低分辨率图像(序列)利用某种方法进行处理最终获取的图像应具有更高的分辨率。
一种基于IBP的红外微扫描图像重建算法

A n I r r d M ir s a nf a e c o c nni g I a eRe o s r c i n Al o ih s d o BP n m g c n t u to g r t m Ba e n I
Absr c : ir s a sa fe t y t mpr vei g n pa il e o u i n u o r s n —xitngi ra e t a t M c o c n i n e c i wa o i ve o ma i g s ta s l to p n p e e te si nf r d r s n o s I i u ual u i g ma e e o tu to ag ih t g t e s r . t s s ly sn i g r c nsr c i n l ort ms o e hi h r s l to i g s r m g -e o u i n ma e fo l w—e olto ma e s q nc ,whih i c uie r m c o c n. BP a m a e r c nsr c in l o i m , o r s u in i g e ue e c sa q r d fo mir s a I , n i g e o t to a g rt u h h si o a t c mpu i g—p e d a t g sov ro h rago ih u h a s tn s e d a v n a e e t e l rt mss c sPOCS a AP Ho ve, heca scI nd M . we r t ls i BP ago ih c n’ baa c t e h ma e e geSr c nsr c i n e e ta h l rt m a t l n e bewe n t e i g d ’ e o t to f c nd t e SNR. n e g — pt ie u So a d e o i z d m I lo i BP ag rt hm sp o s d. i r po e Thee p rme tr s lsd mo sr t ha ts l e hi r blm l a d i r v s x e i n e u t e n taet ti o v st sp o e we l n mp o e
超分辨率图像恢复技术研究
超分辨率图像恢复技术研究随着人们对高清晰度图像的需求不断增加,超分辨率图像恢复技术也越来越受到人们的关注。
超分辨率图像恢复技术是指通过一定的算法和模型,将低分辨率图像转换成高分辨率图像的过程,即通过计算机中的数学模型和算法,将原先不清晰的图像变得更加高清晰、细节更加明显。
本文将从技术、应用和局限性三个方面介绍超分辨率图像恢复技术。
一、技术超分辨率图像恢复技术主要分为传统方法和深度学习方法两种,传统方法主要是基于局部图像的插值算法,如双三次插值、双线性插值、三角形插值等,这种方法直接通过对图像进行插值或者其他的滤波算法来增强图像的分辨率,具有操作简单、计算速度快的优势,但是效果并不理想,因为这种方法无法处理图像中的高频细节。
深度学习方法是近年来超分辨率图像恢复技术中发展日益成熟的一种方法,主要利用神经网络模型对输入的低分辨率图像进行非线性映射,从而实现高分辨率恢复。
在深度学习方法中,常用的模型有SRCNN、VDSR、ESPCN、SRGAN等,这些模型在处理图像中的高频细节方面具有非常出色的表现,能够将低分辨率图像恢复到非常高的分辨率,但是对于一些极端情况下的低分辨率图像,效果并不理想。
二、应用超分辨率图像恢复技术在很多领域都有着广泛的应用,比如视频监控、医学图像处理、卫星遥感、电影制作等。
在视频监控中,超分辨率图像恢复技术可以将低清晰度的视频变得更加清晰,从而更好地记录和追踪犯罪嫌疑人的行踪。
在医学图像处理中,超分辨率图像恢复技术可以提高医疗图像的分辨率,使医生能够更加准确地诊断病情和制订治疗方案。
在卫星遥感领域中,超分辨率图像恢复技术可以更加精确地解释卫星图像,进一步提高遥感数据的解释能力。
在电影制作中,超分辨率图像恢复技术可以大大提高电影画面的清晰度和细节,使影像更加真实、自然。
三、局限性超分辨率图像恢复技术虽然在应用领域中有着很好的表现,但是它仍然存在着一些局限性。
首先,当前超分辨率算法的处理能力受限于硬件设施和计算能力,对于一些高噪声、低分辨率的图像处理,需要较高的计算机算力和数据存储能力,这严重影响了该技术在实际应用领域的推广。
超分辨率技术的发展
超分辨率复原技术的发展The Development of Super2Re solution Re storation from ImageSequence s1、引言在图像处理技术中,有一项重要的研究内容称为图像融合。
通常的成像系统由于受到成像条件和成像方式的限制,只能从场景中获取部分信息,如何有效地弥补观测图像上的有限信息量是一个需要解决的问题。
图像融合技术的含义就是把相关性和互补性很强的多幅图像上的有用信息综合在一起,产生一幅(或多幅) 携带更多信息的图像,以便能够弥补原始观测图像承载信息的局限性。
(图象融合就是根据需要把相关性和互补性很强的多幅图象上的有用信息综合在一起,以供观察或进一步处理,以弥补原始单源观测图象承载信息的局限性,它是一门综合了传感器、图象处理、信号处理、计算机和人工智能等技术的现代高新技术,于20 世纪70 年代后期形成并发展起来的。
由于图象融合具有突出的探测优越性,在国际上已经受到高度重视并取得了相当进展,在医学、遥感、计算机视觉、气象预报、军事等方面都取得了明显效益。
从图象融合的目标来看,主要可将其归结为增强光谱信息的融合和增强几何信息的融合。
增强光谱信息的融合是综合提取多种通道输入图象的信息,形成统一的图象或数据产品供后续处理或指导决策,目前在遥感、医学领域都得到了比较广泛的应用。
增强几何信息的融合就是从一序列低分辨率图象重建出更高分辨率的图象(或图象序列) ,以提高图象的空间分辨率。
对图象空间分辨率进行增强的技术也叫超分辨率(super2resolution) 技术,或亚像元分析技术。
本文主要关注超分辨率(SR) 重建技术,对SR 技术中涉及到的相关问题进行描述。
)(我们知道,在获取图像的过程中有许多因素会导致图像质量的下降即退化,如光学系统的像差、大气扰动、运动、离焦和系统噪音,它们会造成图像的模糊和变形。
图像复原的目的就是对退化图像进行处理,使其复原成没有退化前的理想图像。
基于保边IBP和结构相似性的超分辨率图像重建算法
基于保边IBP和结构相似性的超分辨率图像重建算法卜宇;梁传君【摘要】As the traditional super resolution algorithms cannot balance the reconstruction effect and the running speed.A new SR algorithm that combines edge-protecting iterative back projection algorithm (IBP) and structural similarity is proposed.Firstly,anisotropic diffusion is added to the traditional IBP to enhance the edges and texture,it can take into account the speed of the algorithm.Then in order to obtain more prior knowledge,structural similarity is added to the algorithm to make the reconstruction image more natural and delicate.Finally,the ratio of peak signal to noise and structural similarity are used to evaluate algorithm results.The data results show that the proposed algorithm has the highest PSNR value and SSIM value.The experimental graph results show that the image's texture can be well reserved,the images are more natural and accuracy.And the running speed is not serious behind the traditional IBP,so it is with good usability.%针对一般超分辨率算法无法在重建效果和运行速度上取得较好的平衡,结合结构相似性提出了一种具有保边性的迭代反投影算法(iterative back projection,IBP)的超分辨率算法.兼顾算法运行速度,在传统的IBP 基础上添加各项异性扩散,使之具有边缘增强和保边效果.为了结合更多的先验知识,将保边IBP和结构相似性结合在一起,使重建效果更加自然细腻.采用峰值信噪比和结构相似性度量评价算法效果.从实验结果数据可以看出,算法具有最高的PSNR值和SSIM值,其中SSIM的值最高可以达到0.95,非常接近于1.从实验结果图可以看出,算法的纹理保留的最好,图像更自然和准确.而且运行速度没有严重落后于传统IBP,具有很好的实用性.【期刊名称】《微型电脑应用》【年(卷),期】2018(034)003【总页数】5页(P9-13)【关键词】超分辨率;保边性;迭代反投影;结构相似性;SSIM【作者】卜宇;梁传君【作者单位】新疆工程学院,计算机工程系,乌鲁木齐830052;新疆工程学院,计算机工程系,乌鲁木齐830052【正文语种】中文【中图分类】TP3910 引言最近的几十年中,超分辨率[1](Super Resolution,SR)理论和技术发展非常迅速,应用极其广泛,如地形分类、矿物检测和勘探、遥感制图、环境监测、以及军事监视等[2][3]。
【超分辨率】—图像超分辨率(Super-Resolution)技术研究
【超分辨率】—图像超分辨率(Super-Resolution)技术研究⼀、相关概念1.分辨率图像分辨率指图像中存储的信息量,是每英⼨图像内有多少个像素点,分辨率的单位为PPI(Pixels Per Inch),通常叫做像素每英⼨。
⼀般情况下,图像分辨率越⾼,图像中包含的细节就越多,信息量也越⼤。
图像分辨率分为空间分辨率和时间分辨率。
通常,分辨率被表⽰成每⼀个⽅向上的像素数量,例如64*64的⼆维图像。
但分辨率的⾼低其实并不等同于像素数量的多少,例如⼀个通过插值放⼤了5倍的图像并不表⽰它包含的细节增加了多少。
图像超分辨率重建关注的是恢复图像中丢失的细节,即⾼频信息。
在⼤量的电⼦图像应⽤领域,⼈们经常期望得到⾼分辨率(简称HR)图像。
但由于设备、传感器等原因,我们得到的图像往往是低分辨率图像(LR)。
增加空间分辨率最直接的解决⽅法就是通过传感器制造技术减少像素尺⼨(例如增加每单元⾯积的像素数量);另外⼀个增加空间分辨率的⽅法是增加芯⽚的尺⼨,从⽽增加图像的容量。
因为很难提⾼⼤容量的偶合转换率,所以这种⽅法⼀般不认为是有效的,因此,引出了图像超分辨率技术。
2.图像超分辨率图像超分辨率(Image Super Resolution)是指由⼀幅低分辨率图像或图像序列恢复出⾼分辨率图像。
图像超分辨率技术分为超分辨率复原和超分辨率重建。
⽬前,图像超分辨率研究可分为 3个主要范畴:基于插值、基于重建和基于学习的⽅法。
超分辨率(Super-Resolution)即通过硬件或软件的⽅法提⾼原有图像的分辨率,通过⼀系列低分辨率的图像来得到⼀幅⾼分辨率的图像过程就是超分辨率重建。
超分辨率重建的核⼼思想就是⽤时间带宽(获取同⼀场景的多帧图像序列)换取空间分辨率,实现时间分辨率向空间分辨率的转换。
3.与其他图像处理技术的关系图像修复技术 VS 图像超分辨率技术:图像修复的⽬标是恢复⼀个被模糊或者噪声破坏的图像,但是它不改变图像的尺⼨。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第2 6期
21 0 1年 9月
科
学
技
术
与
程
V) J 11
No 2 S ) (1 .6 cI 2 I
17 — 1 1 (0 1 2 —3 80 6 1 85 2 1 )6 6 8 —5
S inc c noo y a d En i e rn ce e Te h lg n g n e ig
F( ) / 。其 中 (,是截 止频 率 以 下的 部分 , u Z / / ) ’ ) ( 是截 止频 率 以上 的部分 。对 公 式 ( ) 傅 I I变 换 3 取 I
大学( 临沂) 助教 , 研究方 向: 数字信号 处理 、 超分辨率 图像 复原技
术 、 式识 别 等 。 模
1 1 解 析 延拓理 论 .
如果一 个 函数 是 空 域 有 界 的 即 在 某 个 有 地
场景 的 降 质 图像 序 列 来 估 计 一 幅较 高分 辨 率 的
围之外 全 为 0, 其 谱 函数 是 ・ 解 析 数 解 析 则 个 函数所 具有 的其 中一个 性 质 是 : 它 若 ・ 仃 个 区 间内为 己知 , 就会 处处 已知 。 根据 解 析 函数 的 唯
关键词
超分辨 率 后向迭代投影 频域 匹配约束
中图法分类号
T 7 1 1 P5. ;
文献标志码
A
滤 掉 了。对 图像进 行 超 分 辨 率 重 建 , 就是 刈‘ 邴 分 这
1 超分辨率图像恢复的理论基础
超 分辨 率 图像 恢 复技 术 , 指 由一 系列 关 于 同 是
一
高 频分量 进行 估计 。这 主要 是基 r以 卜… 个 沦 :
法 , 此基础上提 出了一种基于频域约束的 IP超分辨率 图像复原新算法 , 图像 复原的过程 中, 可能的保持 像 眠坝部 苛 在 B 在 尽 的能量 , 在此基础上拟合 高频部分的能量。得到 了无论从 主观角度 还是客 观数据 方面都令 人满 意的结果 。实验证 叫 r方法
的有 效 性 。
一
优 质 图像 , 而 获得 更 多 的细 节 和信 息 的方 法 。按 从 照傅 里 叶光 学 的观 点 , 学成 像 系 统 实 际 上是 一 个 光
低 通 滤波器 , 系统频 率 响 应截 止 于某 一 光 学 衍 射频 率 ¨ 。超分 辨 率 图像 恢 复 方 法 就 是 希 望 恢 复 或 者 j
样矩阵 D 作用于变形模糊 的高分辨率图像产生频
谱混 叠 的低分 辨率 图像 。
那 么截 止 频 率 以上 的信 息 通 过 卷 积 叠 加 到 了截 止 频 率 以下 的频 率 成 分 中。也 就 是 说 , 于 有 界受 限 对 物体 , 截止 频率 以下 的频 率 成 分 包 含 了物 体 的所 有 信 息 , 括 低 频 和 高 频 的 信 息 。 因 此 , 要 找 到 方 包 只 法 分离 出低 频 和高 频 信 息 , 可 以实 现 图像 的超 分 就
性定 理 , 果 两 个 解 析 函 数 在 某 川 内 足 ・ 如 致
的 , 么这 两个 函 数 在 全 平 面 内 也 是 完 令 ・ 的 那 敛 根据 给定解 析 函数 在 某 区 间 的取 值 , 刈 数 的 体进 行重 建就 叫做 解析 延拓 。 对 于一 幅 图 像 , 于 其 空 域 有 界 , 此 潜 由 数 必然是 解 析 函数 。由公 式 ( ) 2 我们 n 以 彳 f ' 亍 I 战 I 止 频率 以下 的 F u 可 以通过 计算 获 得 j么根 () ,J I 5 解 析延拓 理论 , 止 频 率 以上 的信 息 l 以  ̄ ) 截 止 截 1 lt f Jj
④
2 1 s・. I. n 0 t. ・ E gg 1 ir t 1
基于频域约束 的 I P超分辨率图像复原方法 B
卢 亮 杨 莉 国 程 海涛 刘光凤
( 岛理工大学( 青 临沂 ) 临 沂 2 30 ) , 74 0
摘
要 根据超分辨率 图像复原方 法的最 新发展 , 重点研 究 了超 分辨率 图像 重建 的理论 基础 、 学模 型 以及 现有 的主 墨办 数
学 传递 函数 , 示卷 积 运 算 , ( 表 示 加 性 噪 声 。 表 n ) 对 式 ( ) 傅里 叶变 换可 以得 到公 式 ( ) 其 中大 写 1取 2 , 字 母分 别代 表各 自小 写字母 的傅 里 叶变换 。
g )= ( )( h )+n ) ( () 1
非负性 和有 界 性 是 一 般 图像 应 具 备 的 约 束 条 件 , 图像 的最小 光强 应大 于 0, 具有 一 的 人 即 且 定 小 , 个性 质 可 以用 公式 ( ) 表示 : 这 3来 _ )et ) 厂 r ( ( c / () 3
而 f( ) 频 谱 可 以 分 为 两 部 分 : ( 1 的 u)
() 2
辨 率重 建 。
1 2 信 息 叠加 理论 .
G“ ( )= F u H( )+N( ) () u u
由于实 际 的成像 系统 都有 带 限频 率 , 因此 H( ) u 相 当于一个 低通 滤波 器 , u 的一部 分 高频 分量 被 F( )
2 1 年 4月 2 日收 到 01 7 第 一作 者 简 介 : 卢 亮 ( 9 3 ) 男 , 东 临 沂 人 , 士 , 岛 理 工 18 一 , 山 硕 青
频 率 以下 的 F( ) 以重 建 , 而 实 脱 『 像 的j 分 “得 从 皋 1 l 芏 i
重建 成像 系统截 止频 率 以外 的一些频 谱 的 内容 。
一
般情 况 下 , 们 像 系统 J 其 成 像 过 程 可 以 用 公 式 ( ) 描 2 , 1来 述 , 中 g ) 其 ( 表示 图像 ) 表示 景 物 , ( 表示 光 h )
2 6期
卢
亮 , : 于频域约束的 I P超分辨率 图像复原方法 等 基 B
6 8 39
得 到公 式 ( ) 4 : F( ) = [ M u F ( )+F ( ) s c x X) ( ) : / ]i ( / 4 Z n 从 公式 ( ) 以看 出 , 4可 由于 s c函数是 无 限 的 , i n