基于信號(hào)統(tǒng)計(jì)特性的圖像超分辨率研究.pdf

1、獲取清晰的高分辨率圖像是大多數(shù)成像系統(tǒng)的目標(biāo)，高分辨率的圖像有著很高的應(yīng)用價(jià)值。然而在圖像采集過(guò)程中，受到傳感器陣列排列密度的限制，圖像的分辨率不可能很高；同時(shí)根據(jù)奈奎斯特-香農(nóng)采樣定理，下采樣效應(yīng)會(huì)造成圖像的頻域混疊效應(yīng)，使獲取的圖像由于頻域混疊效應(yīng)而降質(zhì)。另一方面，由于大氣的不同的狀況的擾動(dòng)、拍攝景物與成像設(shè)備之間的相對(duì)運(yùn)動(dòng)、成像系統(tǒng)噪聲等，也使成像產(chǎn)生模糊，并降低了圖像的分辨率和成像質(zhì)量。提高圖像空間分辨率的物理途徑一般可以通過(guò)提

2、升傳感器制造技術(shù)、增大相機(jī)光學(xué)系統(tǒng)的焦距和孔徑等辦法，但是這些方法受到加工和制造成本的制約。因此從信號(hào)處理和計(jì)算機(jī)視覺的角度，使用超分辨率重建技術(shù)來(lái)提高圖像分辨率有著極大地現(xiàn)實(shí)意義和應(yīng)用價(jià)值。
　　超分辨率重建的目標(biāo)是從低分辨率輸入圖像來(lái)重建一幅高分辨率圖像。經(jīng)過(guò)多年的發(fā)展，現(xiàn)有超分辨率算法取得較好的重建結(jié)果，但該技術(shù)仍有很多問題有待解決。例如，目前的機(jī)器學(xué)習(xí)超分辨率算法，通常是按照?qǐng)D像塊為單位進(jìn)行超分辨率重建，并不能保證重建的高

3、分辨率圖像符合圖像的全局統(tǒng)計(jì)特性；同時(shí)自然圖像內(nèi)部含有大量的冗余信息，而這樣一個(gè)統(tǒng)計(jì)特性并沒有被目前的單幅圖像超分辨率方法很好的利用；此外目前的超分辨率重建技術(shù)對(duì)于頻域混疊效應(yīng)不能夠很好的處理?；谏鲜鰡栴}，本文根據(jù)圖像信號(hào)的統(tǒng)計(jì)特性，圍繞全局和局部約束結(jié)合、挖掘圖像內(nèi)部冗余信息以及去除頻域混疊效應(yīng)等問題展開討論。
　　目前基于機(jī)器學(xué)習(xí)的超分辨率方法是一個(gè)研究的熱點(diǎn)。在這種方法中，高頻的細(xì)節(jié)分量通過(guò)塊匹配的方法從訓(xùn)練圖像庫(kù)中直接提

4、取或者融合。但是由于圖像塊一般都比較小，內(nèi)容表示能力有限，很難保證重建的高分辨率圖像符合自然圖像的全局統(tǒng)計(jì)特性。針對(duì)這個(gè)問題，我們?cè)诒疚奶岢隽艘环N帶有全局和局部約束的基于機(jī)器學(xué)習(xí)的超分辨率方法。詳細(xì)來(lái)講，我們?cè)谧畲蠛篁?yàn)概率估計(jì)中引入一個(gè)混合模型，它包含了一個(gè)全局的參數(shù)約束和一個(gè)局部的基于圖像塊的非參數(shù)約束。全局參數(shù)約束保證了重建的全局圖像與自然圖像的帶有稀疏性質(zhì)的全局統(tǒng)計(jì)特性相符，而局部基于圖像塊的非參數(shù)約束用來(lái)推斷全局圖像與真實(shí)高分辨

5、率圖像之間的殘差圖像。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，我們的方法不僅能夠保持圖像的整體結(jié)構(gòu)，而且能夠更加有效地恢復(fù)圖像的細(xì)節(jié)，實(shí)驗(yàn)結(jié)果中的客觀衡量標(biāo)準(zhǔn)和主觀視覺質(zhì)量的對(duì)比也驗(yàn)證了我們的算法的有效性。
　　圖像內(nèi)插的主要目的是從低分辨率圖像中獲取高分辨率圖像。對(duì)于低分辨率圖像中由于下采樣造成的頻域混疊效應(yīng)，通常的內(nèi)插方法并不能很好的克服，往往會(huì)產(chǎn)生過(guò)擬合的噪聲。在本文中，基于自然圖像中含有大量相似的紋理這樣一個(gè)圖像信號(hào)的統(tǒng)計(jì)

6、特性，我們提出了一種圖像塊自組織的內(nèi)插方法。我們首先對(duì)下采樣區(qū)域進(jìn)行初始內(nèi)插，然后將預(yù)插值高分辨率圖像塊分成一個(gè)低分辨率圖像塊和一系列下采樣預(yù)插值圖像塊。對(duì)于每個(gè)下采樣預(yù)插值圖像塊，我們從低分辨率圖像中查找一系列紋理相似的備選圖像塊。馬爾可夫鏈模型被用來(lái)對(duì)低分辨率圖像塊和下采樣圖像塊的備選圖像塊之間的關(guān)系進(jìn)行建模，置信度傳播算法被用來(lái)進(jìn)行最優(yōu)備選塊的選取，它們被用來(lái)重建高分辨率圖像。在馬爾可夫鏈模型中，我們將備選塊與初始下采樣塊之間的一

7、致性、相鄰的下采樣塊之間重疊部分的一致性和用專家場(chǎng)模型學(xué)習(xí)的圖像先驗(yàn)知識(shí)作為勢(shì)函數(shù)，來(lái)對(duì)初始下采樣塊和備選下采樣塊之間的關(guān)系進(jìn)行建模。實(shí)驗(yàn)結(jié)果驗(yàn)證了我們的算法能夠有效地減輕頻域混疊效應(yīng)和避免過(guò)擬合效應(yīng)。
　　在圖像內(nèi)插的同時(shí)去除頻域混疊效應(yīng)一直是一個(gè)非常有挑戰(zhàn)性的課題。我們?cè)?jīng)提出了一種使用圖像塊自組織的內(nèi)插方法，對(duì)于去除頻域混疊效應(yīng)有一定的作用。但是圖像塊大小的選擇是固定的，不能最大限度的利用圖像內(nèi)含有大量冗余信息這樣一個(gè)統(tǒng)計(jì)特

8、性，并發(fā)揮塊匹配的優(yōu)勢(shì)。在本文中，為了更進(jìn)一步去除頻域混疊效應(yīng)，并在紋理細(xì)節(jié)區(qū)域避免過(guò)擬合，我們提出了一種迭代的多尺度的半局部?jī)?nèi)插方法。這個(gè)方法通過(guò)使用一系列相似的圖像塊中心位置的低分辨率圖像像素來(lái)估計(jì)丟失的像素值，其中圖像塊的大小隨著迭代次數(shù)的增長(zhǎng)從大到小依次減小。在開始迭代的幾步，使用大的圖像塊尺度，可以有效地減小低分辨率圖像中的頻域混疊效應(yīng)對(duì)尋找相似塊時(shí)的影響，大大增加了真實(shí)相似塊找到的可能性。隨后，在后面的迭代步驟里，逐漸減小圖