本文關鍵詞：連續(xù)幀圖像點擴散函數(shù)估計的超分辨率重建

  更多相關文章： 超分辨率重建 退化模型 點擴散函數(shù) 評價指標 連續(xù)幀圖像

【摘要】：超分辨率重建技術(shù)是一種利用信號處理的手段重建成像系統(tǒng)截止頻率之外的信息,在不改變硬件設備的前提下,獲得高于成像系統(tǒng)分辨率圖像的數(shù)字圖像處理技術(shù)。其在視頻轉(zhuǎn)換、衛(wèi)星遙感、生物醫(yī)療、視頻監(jiān)控、圖像處理轉(zhuǎn)換等領域具有廣泛的應用前景。論文開展了連續(xù)幀圖像點擴散函數(shù)估計的超分辨率重建研究。論文開展的工作和取得的新見解如下:1、闡述了國內(nèi)外超分辨率重建算法的研究現(xiàn)狀,提出了一種通過連續(xù)幀圖像求取點擴散函數(shù)的方法,該方法考慮到了整個成像過程中的模糊因素,而通常退化模型選擇的高斯模型點擴散函數(shù)只考慮到探測器模糊,因此本方法更符合實際成像過程。2、提出了基于連續(xù)幀圖像點擴散函數(shù)估計的POCS、IBP和Robust算法。對三組圖像實例分別采用原始的和改進后的算法進行重建,對重建結(jié)果進行了評價,驗證改進算法的有效性。3、提出了采用不同評價指標評價圖像重構(gòu)效果的方法。將重建效果的評價指標分成有參考圖像和無參考圖像兩類,采用不同的評價指標進行評價。存在參考圖像時,選用PSNR和MSE作為重建效果的評價指標;不存在參考圖像時,選用圖像的灰度平均梯度、圖像的拉普拉斯梯度模、圖像質(zhì)量統(tǒng)計參數(shù)作為重建效果的評價指標。
【關鍵詞】：超分辨率重建 退化模型 點擴散函數(shù) 評價指標 連續(xù)幀圖像
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 引言9-14
• 1.1 圖像超分辨率重建技術(shù)研究現(xiàn)狀10-12
• 1.2 圖像超分辨率重建技術(shù)的應用12-13
• 1.3 本文主要研究思路與內(nèi)容13-14
• 第2章 圖像超分辨率重建原理14-30
• 2.1 圖像觀測模型14-16
• 2.2 單幀圖像的超分辨率重建16-19
• 2.2.1 基于插值的重建算法16-17
• 2.2.2 基于學習的重建算法17-19
• 2.3 多幀圖像的超分辨率重建19-28
• 2.3.1 基于圖像頻域的方法19-20
• 2.3.2 基于圖像空域的方法20-25
• 2.3.3 多幀圖像的超分辨率重建效果對比25-28
• 2.4 本章小結(jié)28-30
• 第3章 連續(xù)幀圖像點擴散函數(shù)估計算法30-41
• 3.1 圖像盲解卷積30-34
• 3.1.1 參數(shù)估計法30-31
• 3.1.2 迭代盲解卷積算法31-32
• 3.1.3 NAS-RIF盲復原算法32-33
• 3.1.4 全變差正則化算法33-34
• 3.2 基于圖像盲解卷積的連續(xù)幀圖像PSF估計34-40
• 3.3 本章小結(jié)40-41
• 第4章 連續(xù)幀圖像點擴散函數(shù)估計的圖像超分辨率重建41-46
• 4.1 基于點擴散函數(shù)估計的POCS算法41-42
• 4.2 基于點擴散函數(shù)估計的IBP算法42-43
• 4.3 基于點擴散函數(shù)估計的Robust算法43-44
• 4.4 本章小結(jié)44-46
• 第5章 重建圖像質(zhì)量評價及效果46-57
• 5.1 重建圖像評價指標的選擇46-47
• 5.2 仿真實驗47-56
• 5.3 本章小結(jié)56-57
• 第6章 總結(jié)和展望57-59
• 參考文獻59-63
• 攻讀學位期間發(fā)表論文與研究成果清單63-64
• 致謝64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李奇;馮華君;徐之海;;用于全數(shù)字對焦的點擴散函數(shù)性能分析與評價[J];浙江大學學報(工學版);2006年06期

2 張飄;翟中生;王選擇;鐘星;;軸錐鏡成像系統(tǒng)的點擴散函數(shù)分析[J];應用光學;2013年05期

3 胡寶新，，李小文，朱重光;大傾角光學遙感中大氣點擴散函數(shù)的近似模型[J];中國圖象圖形學報;1996年01期

4 向陽,向才新;表面粗糙度對點擴散函數(shù)影響的研究[J];光學學報;1997年12期

5 薛博;陳小梅;毛冰晶;倪國強;;鏡面微振動時點擴散函數(shù)的仿真分析[J];電子科技大學學報;2014年01期

6 田原Z

本文編號：511507