基于運(yùn)動(dòng)信息的IC圖像超分辨率重建技術(shù).pdf

1、隨著微電子系統(tǒng)向著高帶寬、多功能、微型化方向發(fā)展，集成電路（Integrated Circuit,IC）上的I/O焊點(diǎn)呈現(xiàn)出高密度和精細(xì)間距的趨勢(shì)。受現(xiàn)有商業(yè)成像傳感器（CCD或者CMOS）有限像素分辨率的制約，IC封裝設(shè)備中的機(jī)器視覺(jué)系統(tǒng)正面臨IC圖像有限光學(xué)分辨率難以滿足IC封裝工藝高精度視覺(jué)定位和測(cè)量需要的技術(shù)難題。為此，本文圍繞改善IC圖像分辨率這個(gè)主題，對(duì)模糊和嚴(yán)重噪聲干擾下的保邊緣圖像超分辨率重建（Super-Resolut

2、ion Reconstruction，SRR）、圖像重建中的運(yùn)動(dòng)估計(jì)和迭代優(yōu)化算法進(jìn)行了系統(tǒng)研究，本文的主要研究?jī)?nèi)容和創(chuàng)新性工作概述如下：
　　1、提出了基于感興趣區(qū)域搜索的兩步離散傅里葉變換計(jì)算的圖像運(yùn)動(dòng)估計(jì)算法（ROI-2-DFT：Region of Interest-2-Discrete Fourier Transform），解決了圖像超分辨重建中現(xiàn)有運(yùn)動(dòng)估計(jì)方法難以同時(shí)兼?zhèn)涔烙?jì)高精度和計(jì)算高速度的難題。本文通過(guò)對(duì)圖像歸一化

3、互相關(guān)功率譜極值存在的極小鄰域進(jìn)行兩次上采樣的DFT計(jì)算，快速定位到功率譜峰值，實(shí)現(xiàn)了圖像水平平移和旋轉(zhuǎn)角度的快速高精度估計(jì)。同時(shí)，該方法還具有計(jì)算內(nèi)存需求少、對(duì)圖像模糊和噪聲魯棒性強(qiáng)等特點(diǎn)。
　　2、提出了基于總變差（Total Variation，TV）圖像先驗(yàn)信息的IC圖像超分辨率重建的保邊緣貝葉斯理論框架（EBSR：Edge-preserving Bayesian Super-resolution），結(jié)合IC封裝的實(shí)際工況

4、，解決了IC封裝設(shè)備中成像傳感器像素分辨率不足和因敏感鏡頭景深存在的圖像模糊問(wèn)題。本文由圖像的馬爾科夫隨機(jī)場(chǎng)描述與吉布斯隨機(jī)場(chǎng)的等價(jià)性，引入TV圖像先驗(yàn)信息模型，構(gòu)建了圖像超分辨率的保邊緣貝葉斯理論推導(dǎo)。在不需要改變?nèi)魏纬上裨O(shè)備硬件的情況下，EBSR方法可以較好地重建出IC圖像的高分辨率邊緣信息，恢復(fù)出更多的圖像結(jié)構(gòu)特征，同時(shí)消除模糊提高圖像對(duì)比度。隨著IC特征尺寸越來(lái)越小，EBSR將有助提高IC封裝設(shè)備機(jī)器視覺(jué)系統(tǒng)定位和測(cè)量精度，是實(shí)

5、現(xiàn)高精度低成本IC封裝潛在的圖像預(yù)處理技術(shù)。
　　3、提出了基于均值梯度的空間自適應(yīng)TV模型圖像超分辨率重建算法（MG-SATV：Mean Gradient-Spatially-Adaptive Total Variation），解決了在嚴(yán)重噪聲污染情況下，圖像先驗(yàn)信息TV模型在圖像平坦和過(guò)渡區(qū)域引起的階梯失真問(wèn)題。本文由均值梯度準(zhǔn)確提取出圖像空間結(jié)構(gòu)信息，構(gòu)建了空間自適應(yīng)加權(quán)矩陣，推導(dǎo)出了MG-SATV模型，實(shí)現(xiàn)了TV正則化在不

6、同圖像區(qū)域的自適應(yīng)約束，在有效抑制噪聲的同時(shí)最大限度地保留了圖像邊緣信息。
　　4、提出了基于塊中心差分（Centered-Cell Finite Difference，CCFD）離散的多V循環(huán)的多網(wǎng)格優(yōu)化方法（3-V-Cycle MTGD：3-V-Cycle Multigrid），解決了圖像超分辨率重建方法普遍存在的迭代計(jì)算效率低下的問(wèn)題。該方法集成了CCFD離散近似高精度和多網(wǎng)格方法迭代誤差速度收斂的優(yōu)點(diǎn)，實(shí)現(xiàn)了大型線程方程組

7、的快速求解。3-V-Cycle MTGD優(yōu)化方法的計(jì)算效率比普遍使用的共軛梯度迭代方法高，CCFD離散比傳統(tǒng)節(jié)點(diǎn)差分方法更有利于改善圖像重建質(zhì)量。該優(yōu)化方法不僅可以應(yīng)用于圖像超分辨率重建，也可以推廣到其他基于PDF圖像處理的凸優(yōu)化問(wèn)題。并且，經(jīng)過(guò)少許修改，便可在GPU或者FBGA上實(shí)施并行計(jì)算，進(jìn)一步提高迭代優(yōu)化的計(jì)算效率。
　　5、構(gòu)建了圖像處理軟件平臺(tái)MV下的子平臺(tái)——圖像超分辨率重建應(yīng)用平臺(tái)FAMT_SRR，從邊緣檢測(cè)和視覺(jué)