论文部分内容阅读
图像在获取过程中容易受光学模糊、运动模糊、频谱混叠以及噪声等因素影响而降低质量。而航空光电设备需要获取尽可能清晰的图像或视频，却不能无限制的增加其造价和体积，因此在不改变光电设备的硬件结构前提下，通过软件的方法，利用一系列低分辨率(LR)图像序列中的互补信息重建出高分辨(HR)图像或视频成为了一种需要。基于DSP芯片集成度高、稳定性好、运算速度快等优点，首次提出在以TI公司推出的DM642为核心的嵌入式图像处理平台中实现超分辨率图像重建。在不改变系统结构的前期下，很好的提高了成像系统的分辨力。首先，详细分析了成像系统退化模型，并发现影响超分辨率图像重建质量的主要因素有：图像序列间运动参数估计的准确性、图像数量、系统点扩散函数(PSF)估计精度、噪声的消除与抑制、图像或图像子块间的辐射亮度差异以及超分辨率图像重建算法的优劣等，然后对这些因素中的几个关键部分做详细阐述。第二，对基于Fourier Mellin变换的运动估计算法、基于三参数泰勒展开的运动估计算法进行了详细的分析和阐述。根据LR图像序列间运动估计精度对超分辨率图像重建的影响情况，提出了先对图像进行自适应边缘提取，然后用改进的Fourier Mellin变换算法进行粗估计，最后用基于三参数的泰勒展开算法进行精确估计的运动估计方法。改进的运动估计算法的估计精度为0.05个像素，对大小为256×256的图像进行运动估计，估计时间从3.5s左右下降到1s左右，且能实现空对地细节不明显图像的精确估计。第三，针对LR图像序列受噪声、运动模糊和光学模糊等影响的现象，提出了先对图像进行去噪处理，然后对处理完的尚不理想的图像进行自适应不良帧剔除的预处理方法，从而防止带噪声图像及退化严重的图像影响重建结果质量。实验表明对存在噪声和模糊的LR图像进行预处理，很大程度上改善了图像重建质量。第四，对POCS、MAP、Wavelet三种图像重建方法进行了仿真实现，并比较重建结果，发现POCS方法速度快，但抗噪能力不强。针对POCS方法抗噪能力不强的缺点，提出了先对图像序列进行去噪和剔除不良帧等预处理操作，然后采用改进的POCS方法进行重建的方法。改进的重建算法对6幅分辨率为128×128的图像序列进行重建(重建因子为2)，重建质量明显提高，重建时间从4.3s左右下降到1.5s左右，且抗噪能力有所增强。最后，分析了影响运动估计算法和重建算法有效性的关键因素，对算法进行精简和改进，移植到以DM642为核心的嵌入式图像处理平台中，然后对一些关键代码用线性汇编进行优化，大大缩短图像重建时间。所采用的相机分辨率为720×576，整个重建的时间需要大约20s。虽然目前的重建时间较长，还远远达不到对视频流处理的实时性，但已经能够移植到硬件平台中，为今后的工程化打下了初步基础。