本文選題：超分辨率 + 航空成像建模�。� 參考：《中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所)》2016年博士論文

【摘要】：圖像空間分辨率是航空成像系統(tǒng)設(shè)計(jì)的一項(xiàng)關(guān)鍵技術(shù)指標(biāo),直接決定了航空偵察效果。航空成像過程受外部擾動(dòng)、運(yùn)動(dòng)模糊、飛行姿態(tài)變化、云霧遮擋等因素影響,不可避免地造成實(shí)際獲得圖像的分辨率較低,進(jìn)而給后續(xù)的圖像處理和識(shí)別分析構(gòu)成障礙。受限于制造工藝和成本,現(xiàn)今通過提高傳感器尺寸或減小像元尺寸的方法提高圖像分辨率將花費(fèi)高昂的經(jīng)濟(jì)代價(jià),尤其是減小圖像像元尺寸會(huì)導(dǎo)致信噪比過低,圖像質(zhì)量下降。因此,研究如何利用超分辨率重建技術(shù)突破成像系統(tǒng)的固有限制,盡可能地恢復(fù)圖像本來面貌或進(jìn)一步提高圖像分辨率、清晰度等,具有重要的研究意義與應(yīng)用價(jià)值。本文探討了圖像超分辨率重建技術(shù)的基礎(chǔ)理論和發(fā)展動(dòng)態(tài),系統(tǒng)地研究了圖像超分辨率重建的各個(gè)環(huán)節(jié)。重點(diǎn)圍繞航空成像環(huán)境的主要降質(zhì)因素,研究并實(shí)現(xiàn)了單幀運(yùn)動(dòng)模糊圖像、全局運(yùn)動(dòng)圖像序列、局部運(yùn)動(dòng)圖像序列等的超分辨率重建方法。本文的主要研究內(nèi)容及貢獻(xiàn)歸納如下:1.針對(duì)運(yùn)動(dòng)模糊圖像,提出一種單幀聯(lián)合去運(yùn)動(dòng)模糊和超分辨率重建方法。該方法首先構(gòu)造多尺度圖像金字塔,在模糊核估計(jì)階段,利用自然圖像梯度具有稀疏性的統(tǒng)計(jì)特性,以L0范數(shù)作為正則化約束函數(shù),通過交替迭代方法估計(jì)出較準(zhǔn)確的運(yùn)動(dòng)模糊核。其次,在超分辨率重建階段,改用基于L1范數(shù)的ATV正則項(xiàng)約束代價(jià)函數(shù),適度放寬梯度域約束限制,克服了L0范數(shù)約束過于嚴(yán)苛而造成圖像過平滑的不足,使重建結(jié)果更自然,并利用基于導(dǎo)向?yàn)V波的后處理方法進(jìn)一步提升了重建圖像質(zhì)量并抑制振鈴和噪聲。2.對(duì)圖像序列配準(zhǔn)及超分辨率重建算法進(jìn)行了深入研究,在全局運(yùn)動(dòng)模式下提出一種改進(jìn)BRISK特征的圖像配準(zhǔn)算法。針對(duì)原有BRISK算法在特征提取和匹配過程中,忽視了角點(diǎn)分布信息,其匹配策略單一,導(dǎo)致誤匹配率高的問題,首先利用BRISK算法構(gòu)建連續(xù)尺度空間,然后利用圖像顯著性特征映射自適應(yīng)選擇特征點(diǎn)檢測(cè)閾值,獲得局部極值和視覺顯著性特征點(diǎn),最后利用快速最近鄰FLANN算法結(jié)合RANSAC的方法進(jìn)行二值特征快速匹配,從而為重建階段提供了更為可靠的配準(zhǔn)參數(shù)。在重建階段,針對(duì)超分辨率重建的正則化代價(jià)函數(shù),詳細(xì)分析了范數(shù)選擇對(duì)重建結(jié)果的影響,并在超分辨率重建中采用雙L1范數(shù),這有助于保持圖像邊緣,提高重建圖像的質(zhì)量。3.針對(duì)局部運(yùn)動(dòng)圖像序列,構(gòu)建了一種融合單幀增強(qiáng)的多幀超分辨率框架。該方法首先采用基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率算法實(shí)現(xiàn)單幀圖像特征提取和特征增強(qiáng),通過改進(jìn)邊緣保持的光流方法估計(jì)單幀增強(qiáng)后的圖像序列的位移場。然后,結(jié)合圖像序列的位移場,應(yīng)用局部結(jié)構(gòu)相似性和對(duì)比度權(quán)值約束,從圖像序列的增強(qiáng)特征層中依次重建高分辨率圖像的特征層,并融合成一幅圖像,再利用IBP算法減小重建誤差。該方法結(jié)合了單幀和多幀算法的優(yōu)點(diǎn),能夠有效解決局部運(yùn)動(dòng)模式下序列圖像的超分辨率重建問題。4.為提高航空?qǐng)D像的空間分辨率,提出一種基于多相組重建的超分辨率算法。首先融合圖像間的互補(bǔ)信息,將多幀低分辨率圖像作為圖像基,參考幀分解為多相組,利用差異采樣特性構(gòu)建圖像基與參考幀之間的的多相組線性關(guān)系重建得到高分辨率圖像的多相組,經(jīng)圖像多相分解逆變換獲得融合的高分辨率圖像。然后,根據(jù)該融合圖像的局部內(nèi)容和結(jié)構(gòu)信息自適應(yīng)調(diào)整控制核核函數(shù),應(yīng)用改進(jìn)的控制核回歸算法去除圖像模糊和噪聲得到清晰的超分辨率圖像。與傳統(tǒng)方法相比,該方法無需精確的圖像配準(zhǔn)和復(fù)雜的迭代過程,計(jì)算效率極大地提高,對(duì)提升現(xiàn)階段航空?qǐng)D像質(zhì)量具有十分積極的意義。綜上所述,論文對(duì)現(xiàn)階段航空?qǐng)D像超分辨率重建涉及的相關(guān)基礎(chǔ)理論進(jìn)行了分析,圍繞著復(fù)雜成像環(huán)境下運(yùn)動(dòng)模糊、全局運(yùn)動(dòng)、局部運(yùn)動(dòng)等關(guān)鍵問題進(jìn)行了探索,并取得了階段性成果。論文的相關(guān)成果為進(jìn)一步的算法研究提供了理論基礎(chǔ),對(duì)提升航空?qǐng)D像空間分辨率和細(xì)節(jié)清晰度具有一定的指導(dǎo)意義。
[Abstract]:This paper discusses the basic theory and development trend of image super - resolution reconstruction . A multi - frame super - resolution framework with single frame enhancement is constructed by using super resolution algorithm based on convolution neural network to improve the feature extraction and feature enhancement of single frame .
【學(xué)位授予單位】：中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
，

本文編號(hào)：2060113