發(fā)布時(shí)間：2020-04-03 00:24

【摘要】：利用圖像序列對(duì)目標(biāo)進(jìn)行三維重建在目標(biāo)偵察、識(shí)別、導(dǎo)航以及測(cè)繪等方向有重要的使用價(jià)值。合成孔徑成像原理具有魯棒性、可靠性以及較高的空間分辨率。本論文基于光學(xué)非相參合成孔徑成像原理,分別對(duì)可見光與激光圖像序列超分辨率三維重建進(jìn)行研究,主要內(nèi)容如下:(1)改進(jìn)了可見光圖像序列合成孔徑超分辨率成像方法。提出了基于Keren配準(zhǔn)和BTV正則化的超分辨率重建方法,優(yōu)化了合成孔徑圖像超分辨率重建過(guò)程,該方法能夠保留圖像序列中的亞像素級(jí)信息,并具有較強(qiáng)的魯棒性。使用圖像的灰度值與平均灰度值的差值之和代替圖像的信息熵,使用差值的平方和乘積開根號(hào)的形式代替圖像的聯(lián)合信息熵,提出了基于合成孔徑相關(guān)度以及相容信息量的聚/散焦評(píng)價(jià)函數(shù),相比同類方法在計(jì)算速度上得到提高。(2)對(duì)合成孔徑超分辨率單目、雙目視覺目標(biāo)三維深度獲取方法進(jìn)行實(shí)驗(yàn)仿真。針對(duì)單目合成孔徑成像方法不能較好地抑制共模誤差與散焦像干擾的問(wèn)題,提出了雙目合成孔徑成像方法對(duì)其進(jìn)行改進(jìn)。單目視覺成像方法相比基于其他同類評(píng)價(jià)標(biāo)準(zhǔn)的方法,有較好的成像效果。雙目視覺成像方法相比單目視覺成像,能夠更好地抑制共模誤差以及散焦像的干擾,具有良好的穩(wěn)定性及魯棒性。(3)提出了一種共激光照射源超空間分辨率三維重建方法。針對(duì)3D非掃描激光雷達(dá)空間分辨率較低的問(wèn)題,將2D傳感器得到的激光回波強(qiáng)度信息與3D激光雷達(dá)得到的目標(biāo)深度信息基于合成孔徑成像原理進(jìn)行數(shù)據(jù)融合,實(shí)現(xiàn)超越2D傳感器與3D激光雷達(dá)空間分辨率的三維成像。實(shí)驗(yàn)結(jié)果表明,該方法能夠在不改變3D激光雷達(dá)構(gòu)造的情況下提升其空間分辨率。
【圖文】：

（d）雙線性插值重建結(jié)果 （e）雙三次插值重建結(jié)果 （f）本章方法 15 次迭代結(jié)果圖 3. 2 圖像超分辨率重建結(jié)果對(duì)比由圖 3.2 可以看出，本章方法經(jīng)過(guò) 15 次迭代后的超分辨率重建結(jié)果相比基于插值的超分辨率重建結(jié)果，能夠較好地抑制低分辨率圖像中的運(yùn)動(dòng)和噪聲干擾，且能夠較好地結(jié)合低分辨率圖像中包含的亞像素級(jí)信息，還原圖像的細(xì)節(jié)。為了量化評(píng)價(jià)本章方法的超分辨率重建效果，對(duì)基于插值的超分辨率重建算法和本章方法以峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和均方誤差（Mean-Square Error，MSE）作為客觀評(píng)價(jià)標(biāo)注，其結(jié)果如表 3.2 所示。表 3. 2 圖像超分辨率重建算法量化評(píng)價(jià)圖像超分辨率算法 PSNR MSE雙線性插值 21.0725 22.5381雙三次插值 20.2472 24.7846本章方法 15 次迭代結(jié)果 25.6980 13.2324由表 3.2 可以看出，本章方法相比與基于插值的超分辨率重建算法，有更高的峰值信噪比以及更低的均方誤差，對(duì)噪聲具有較強(qiáng)的魯棒性，能夠較好的還原圖像細(xì)節(jié)，適用于合成孔徑圖像超分辨率三維重建過(guò)程。

c， f 表示相機(jī)的焦距，cL 表示相機(jī)傳感器上相鄰像素點(diǎn)之間的距離。設(shè)基準(zhǔn)相機(jī)成像的圖像為 0c x ,y ，則單目合成孔徑疊加成像 c x ,y 可以表示為： 0, ,czLc x y c x y h xBf （， h k 表示相機(jī)陣列合成孔徑成像的擴(kuò)散核函數(shù)，相當(dāng)于光學(xué)合成孔徑成像中的點(diǎn)其表達(dá)式為： 1,0,K k Kh k 其他（的點(diǎn)擴(kuò)散函數(shù)和光學(xué)的合成孔徑擴(kuò)散核函數(shù)不太一樣，其擴(kuò)散方式是離散的，物理為所有相機(jī)的成像的疊加。隨著相機(jī)排列方式的不同，，核函數(shù) h k 也會(huì)隨著擴(kuò)散方化。式（4.1）中的像差是亞像素級(jí)的，可以作為圖像超分辨率重建的基礎(chǔ)。在實(shí)際成像過(guò)程中，由于相機(jī)傳感器上的像素點(diǎn)數(shù)目是一定的，因此圖像序列中的相當(dāng)于是三維物體映射到二維傳感器上，經(jīng)過(guò)降采樣處理的樣本切片集合。合成孔由兩部分組成：采樣部分和數(shù)字重建部分，如圖 4.3 所示。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柴樺;;基于深度卷積網(wǎng)絡(luò)的壓縮人臉超分辨率研究[J];信息與電腦(理論版);2019年18期

2 朱海;王國(guó)中;范濤;楊露;;基于深度超分辨率重建的監(jiān)控圖像人臉識(shí)別[J];電子測(cè)量技術(shù);2018年16期

3 付龍;呂曉琪;李婷;谷宇;;基于擴(kuò)散的自適應(yīng)超分辨率重建[J];現(xiàn)代電子技術(shù);2017年10期

4 劉芳華;阮若林;王建峰;倪浩;;基于在線字典學(xué)習(xí)的人臉超分辨率重建[J];現(xiàn)代電子技術(shù);2017年13期

5 衛(wèi)小強(qiáng);;基于仿生學(xué)多源圖像超分辨率重建的并行優(yōu)化研究[J];電腦編程技巧與維護(hù);2017年13期

6 廖海斌;陳友斌;陳慶虎;;基于非局部相似字典學(xué)習(xí)的人臉超分辨率與識(shí)別[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2016年10期

7 王宇輝;;圖像超分辨率重新建立技術(shù)綜述[J];科技創(chuàng)業(yè)月刊;2016年17期

8 賈志城;;視頻超分辨率重建及其刑偵應(yīng)用[J];中國(guó)有線電視;2015年08期

9 趙U

本文編號(hào)：2612653