基于MAP算法的图像超分辨率重构技术研究

《基于MAP算法的图像超分辨率重构技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学硕士学位论文符号说明LR：低低分辨率图像POCS：凸集投影方法MAP：随机重建方法ML：最大似然估计器P：观测图像数量X：高分辨率原图像《：观测图像(低分辨率图像)E：对x的几何形变G：系统模糊矩阵q：欠采样算子M：加性零均值高斯噪声巩：退化矩阵j：在已知低分辨率序列图像时最可能的高分辨率图像向量Xp(x)：高分辨率图像的先验概率e(r)：退化图像的先验概率P(XIy)：后验概率HYIX)：高分辨率图像退化为低分辨率序列图像】，时的条件概率g：放大倍数秒：图像旋转的角度h：水平平移量V：垂直平移量L：变换矩阵F(x，Y)或，(孝，77)：原图像的灰度强度函数G(x,

2、y)：原图像的灰度强度函数F(工，y)旋转平移变换后的变形0r{·)：变换过程山东大学硕士学位论文4(x，Y)：原图像的啦标点忌：比例因数尺”：过程噪声协方差矩阵R“：测量噪声协方差矩阵M：定义在二维网格上的邻域系统C：M中的所有集簇c：C中的元素tr(x)：能量函数成(缸。)：与簇C相关联的位势函数Z：归一化函数T：控制分布尸(J)形状的参数三：图像‘的大小Q：噪声的协方差矩阵M：图像X的大小QZ：未退化的高分辨率图像的协方差矩阵P：形状参数Q：高通滤波系数口：正则化参数∥：收敛因子D：正则化算子d：搜索方向原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，

3、独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均己在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：皇：』宣垂李日期：2堂皇2喀．丛关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。(保密论文在解密后应遵守此规定)论文作者签

4、名．．壶_2一巫璋导师签名：山东大学硕士学位论文摘要超分辨率处理技术包含超分辨率复原(重建)和分辨率增强技术等。近年来，超分辨率技术因其良好的应用前景而吸引着人们的广泛关注。超分辨率复原(重建)是从复原(重建)发展而来。复原，是指去除或减轻在获取数字图象的过程中发牛的图象质量退化，即要研究成像系统的退化原因，建立相应的数学模型，并沿图象降质的逆过程尽可能恢复退化的本来面目。在传统的图像复原问题中，只有一帧输入图像，使得分辨率增强能力极为有限，这迫使研究人员开始寻求新的研究方向一基于序列图像的超分辨率重建技术：另一方面，诸如安全监控、医学诊断、军事侦察等领域都需要有既经济又容

5、易实现的方法来得到各自所需求，这些应用也促使超分辨率重建成为图像复原领域的一个热点。超分辨率复原技术，是利用低分辨率像机获取高分辨率的不可多得的一种途径，具有很高的研究价值和应用价值。超分辨率图像复原则是将一序列包含不同图像细节附加信息的低分辨率图像通过一定的方法复原出一帧(或多帧)较高分辨率图像。这些附加信息使得重建比原图像更高分辨率的图像成为可能。后者广义上不仅包含前者的内容，而且包含单传感器多帧图象融合增强分辨率，自适应正则化图象插值等内容。本论文从低分辨率成像的数学模型出发，回顾了超分辨率算法，并进行系统分析和研究，最后提出了一些解决超分辨率问题的方案。主要成果概括

6、如下：l提出了一种获取正则化参数的新方法。2针对单幅图像提高分辨率方法中存在的不足，设计了一种基于最大后验概率估计(MAP)框架下的，利用多帧序列图像的基于正则化技术的MAP高分辨率图像重建方法。3针对普通运动图像特性，提出了一种基于Unscented卡尔曼滤波超分辨率重建新方法。关键词：超分辨率重建；MAP；自适应正则；运动估计山东大学硕士学位论文AbstractGenerallyspeaking，super-resolutiontechnologyincludessuper-resolutionandresolutionenhancement．Becauseofitsp

7、erfectfutureofapplication，moreandmoreimageprocessingexpertshaspaidattentiontoimagesuper-resolutiontechnologyrecentlyImagerestorationisfocusonthereasonofalltypesofdistortionsintheimagingsystem，andhighlyrestoresthetruthimage．Super-resolutionrestoration(reconstru