序列图像的POCS超分辨率重建方法-北京工业大学学报.PDF

第35卷第1期 北京工业大学学报 VoI．35No．1 OF UNIVERSITYOFTECHNOLOGY 2009年1月 BEIJING Jan．2009 JOURNAL 序列图像的POCS超分辨率重建方法 肖创柏，段 娟，禹 晶 (北京工业大学计算机学院，北京100124) 摘要：为了有效地执行超分辨率算法，使其改善高分辨率图像的边缘质量，根据PoCs算法的原理，给出了模 拟一修正迭代超分辨率图像重建方法和具体实现步骤．针对重建的高分辨率图像中产生的边缘Gibbs现象，提出 了一种抑制方法，该方法将中心在边缘像素的PSF与一个指数型权值函数相乘，使得修改的PSF系数沿着边缘 正交的方向减小．利用模拟序列和实际序列对改进的PoCS算法的有效性进行了验证．结果表明：该方法简单 易行。能有效地保持边缘的特性，达到提高图像质量的目的． 关键词：超分辨率；POCS(凸集投影)算法；点扩散函数(PSF)；运动估计；Gibbs现象 中图分类号：TP391 文献标识码：A 文章编号：0254—0037(2009)01—0108一06 在数字图像的获取过程中，成像传感器固有的采样频率限制了图像的空间分辨率．目前CCD传感器 得到广泛应用，提高分辨率的一种方法是降低像素尺寸，提高单位面积的像素数，但CCD的尺寸已达下 限，进一步降低将导致信噪比太低；另一方法是提高芯片尺寸，但这将导致电荷转移速率下降．在很多商 业应用中，高精度的光学设备和传感器的成本也是人们关心的一个问题． 超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序 列)来重建一幅高分辨率高质量图像．图像插值可以放大单幅图像的尺寸，但不能恢复图像因欠采样损失 的高频成分，常用的插值方法有最近邻插值、双线性插值和双三次插值等．而超分辨率图像重建技术利用 同一场景的多幅低分辨率图像之间的相对运动信息，将它们融合到单幅高分辨率图像中，并去除低分辨率 J． 图像中的模糊和噪声【l_2 近年来，超分辨率图像重建技术在视频监控、卫星图像、视频标准转换、医疗数字影像等领域都有着广 ontoconvex 泛的应用．凸集投影(projections sets，简称为POCS)算法是一种广泛使用的集合理论重建方 法．Stark和Oskoui[3 J对其进行了改进，考虑了传感 J首先将POCS应用于超分辨率图像重建．Tekalp等L4 器噪声．Patti等【5]提出了基于多种降质因素的图像获取模型，降质因素包括照相机运动、非零孔径时间、 J将 传感器单元的非零物理尺寸、由光学成像元件引起的模糊、传感器噪声、任意空间时间采样．Eren等[6 Patti等【5J的方法推广到多运动目标的场景中． 1图像获取模型 建立一个联系原始高分辨率图像和低分辨率观测序列的图像获取模型是超分辨率图像重建的关键， 一般的图像获取模型可表示为 (1) (n1·n2) ”式中，gz(m1，m 空间移不变或空间移变点扩散函数(pointspread 加性噪声．hf(m1，m2；，z1，，z2)包含了由变形、模糊和低分辨率传感器的采样频率等引起的降质，因此，一 般的图像获取过程可用式(1)描述． 收稿日期：2007—07—10． 作者简介：肖创柏(1962一)。男，湖南岳阳人。教授，博士生导