论文部分内容阅读
红外设备可以利用物体反射的红外线或者物体自身产生的热辐射成像，不受外界亮度干扰的优点使其广泛应用于医学影像、军事侦察、夜间监控等领域，但受限于红外探测器和镜头性能，红外图像常常细节缺失、视觉模糊，需要提高空间分辨率以满足实际应用需求。硬件上直接提高图像分辨率存在技术困难、价格昂贵等缺点，因此常采用超分辨率重建技术作为解决特定场景中图像细节分辨能力不足的有效手段，基于此，本文对单幅图像和序列图像超分辨率重建技术展开研究，并且将图像去模糊问题融入图像超分辨率重建过程。本文主要工作如下: ①在基于压缩感知的单幅图像超分辨率重建领域，稀疏变换矩阵的选取直接影响到图像的重构效果。针对常用的数学变换字典重构效果欠佳、样本训练字典重构耗时较长的不足，本文提出了基于邻域差分的图像稀疏表示算法，它从自然图像灰度变化比较缓慢这一特点出发，由邻域差分运算得到稀疏变换矩阵，无字典训练过程。用本文提出的算法及其他四种算法进行重建仿真，结果表明本文方法能获得较好的超分辨率重建效果，而且算法复杂度低，速度快，稳定性好。 ②在图像去模糊领域，经典的维纳滤波算法去模糊效果很难令人满意，并且此滤波算法难以融入图像超分辨率重建过程;为了在图像超分辨率重建的同时完成图像去模糊，本文提出了一种基于压缩感知的图像去模糊算法，根据图像模糊过程构造消除边缘影响的模糊矩阵，并将其融入图像降质方程，然后通过解欠定方程完成图像去模糊。实验仿真探讨了处理块大小以及块重叠权重系数对去模糊的影响，对比了本文算法和维纳滤波算法的去模糊效果，仿真结果证明本文基于压缩感知的去模糊算法要优于维纳滤波算法，并且消除边缘影响的模糊矩阵易于引入超分辨率重建过程。 ③现有超分辨率算法重点关注聚焦良好图像，忽略了成像系统在调焦过程中产生的离焦图像蕴含的细节信息，离焦图像反应了场景信息在探测器不同像元间的分配与叠加，也是对场景的有效观测，在现有硬件条件基础上，可利用离焦序列间的不相干信息重建超分辨率图像。基于此，本文提出了离焦序列图像超分辨率重建算法，分析了光学成像模型，针对不同的模糊图像序列类型建立了不同的联合方程组模型，并对不同模糊类型的序列图像做了超分辨率重建实验仿真，结果验证了联合方程组模型的正确性以及基于离焦序列图像超分辨率重建算法的有效性。