基于超数字化全变差建模的正则超分辨率重建及运动估计.pdfVIP

基于超数字化全变差建模的正则超分辨率重建及运 动估计1 邵文泽，韦志辉，肖亮，罗嘉 南京理工大学计算机科学与技术学院，南京 (210094) E-mail ：shaowenze1010@ 摘 要: 本文旨在研究基于数字化图像建模的超分辨率图像重建问题，提出一种基于超数字 化全变差模型的超分辨率重建算法。超数字化全变差模型是数字化全变差模型和高阶数字化 全变差模型的一个有效折中，不仅能够保证图像平坦区域的保真度，较好地抑制阶梯效应的 产生，而且能够保持图像中边缘等重要几何结构的清晰度。基于超数字化全变差模型，本文 提出分别基于图像配准和光流估计的联合超分辨率重建和运动估计算法框架。在静态的超分 辨率和视频的超分辨率两种实验条件下，超分辨率重建图像的视觉效果和峰值信噪比均验证 本文算法的有效性。 关键词：超分辨率重建；全变差；运动估计；光流估计；图像配准 中图分类号：TP 391 1．引言 当今，电晶体传感器如CMOS、CCD等已经在数字成像系统如数码相机、摄像机中得到 广泛的应用，但是传感器中光电探测器单元的尺寸往往限制着成像的空间分辨率。提高图像 空间分辨率的硬件方法是降低光电探测器单元的尺寸。但是，探测器单元尺寸的降低使得光 通量相应的减少，导致数字图像的低信噪比；同时，探测器单元尺寸的降低也会大幅提高制 造成本。提高图像空间分辨率的软件方法是当前国际上的研究热点，即超分辨率重建技术。 超分辨率是一种由一个低分辨率退化图像序列重建一幅(或序列)高分辨率清晰图像的复原 技术[1] 。与传统图像复原技术不同之处在于，超分辨率重建技术充分利用低分辨率图像序列 之间的非冗余信息，并且综合考虑成像过程中的各种退化因素(如运动变形，传感器模糊， 低采样率，随机噪声等) ，因而更具广泛性和实用性，如红外图像、遥感图像等领域。 从退化模型的角度看,超分辨率重建与传统图像复原在Hardmard意义下均是非适定数学 反问题[2]，从而具有共同的理论支撑,如正则化理论、Bayesian统计等。事实上，自1984年Tsai 和Huang提出一种基于频域的超分辨率重建算法[1] ，此后多数超分辨率重建框架大都借鉴于 传统图像复原领域。 在过去二十多年的发展历程中，特别是近十年，国内外报道了大量关 于超分辨率图像重建技术的研究工作，事实上超分辨率图像重建技术已经成为当前国际上最 热门的研究领域之一。超分辨率重建技术中的经典算法主要有[1,3-5] ：迭代反投影(IBP)法、凸 集投影(POCS)法、最大似然(ML)/最大后验概率(MAP)估计法、以及混合ML/MAP/POCS法 等。近年来,超分辨率重建技术又获得一系列新的发展。频域方法的代表算法有，Rhee等人[22] 提出基于离散余弦变换的正则超分辨率重建算法；Nguyen[6]、Bose[7]等人分别提出基于第一、 二代小波变换的超分辨率重建算法。空域方法的代表算法有，Kim等人[8]提出基于边缘增强 和各向异性扩散的超分辨率重建算法；Capel等人[9]提出基于连续全变差模型的文本图像序 1 Supported by the Natural Science Foundation of China under Grant No( 国家自然科学基金); by the National High-Tech Research and Development Plan of China under Grant No.2007AA12E100 ( 国家高技术研究 发展计划(863)); by the National Research Foundation for the Doctoral Program of Higher Education of China under Grant No.M200606018 (教育部博士点基金); by the Natural Science Foundation of Jiangsu Province of China under Grant No.BK2006569 (江苏省自然科学基金); and by the Science-Technology Creation Plan for Graduate Students