最新图像超分辨率重建文献综述(资料)教学讲义ppt

POCS 的优点是可以方便地加入先验信息， 可以很好地保持 高分辨率图像上的边缘和细节。缺点是解依赖于初始估计、收敛慢、 运算量大和收敛稳定性不高等。为了提高POCS算法收敛的稳定性， 可以采用松弛投影算子，但松弛投影算子不利于保持图像的边缘和 细节。
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
图像超分辨率重建文献综述(论 文资料)
报告内容
超分辨重建（SRR）的概念 研究背景和意义 超分辨重建的分类 超分辨重建的方法 人脸超分辨率重建 下一步的研究计划
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
2
超分辨率重建
由一幅低分辨率图像或图像序列得到高分辨率图像
武汉学图像处理与智能系统
15
凸集映射
符合条件1 所有可能重 构结果集合
凸集
符合条件2 所有可能重 构结果集合
符合条件3 所有可能重 构结果集合
重构结果落在符 合各个条件的集
合交集
凸集对应的映射算子
武汉学图像处理与智能系统
实验室
பைடு நூலகம்
武汉大学图像处理与智能系统实验室
16
基于概率的方法
包括最大后验概率估计法(MAP)和最大似然估计法(ML) Schultz和Stevenson（1994）提出的MAP方法是典型的概率论方法，他们
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
11
非均匀插值法
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
12
处理流程
图像运 动估计
进一步的 去噪、抗 糊化处理
图像合并
像素映射到高 分辨率格点
非均匀插值方法的计算负荷较小，需要假定所有低分辨率图像的噪声和模 糊特征都是相同的，而且在图像复原阶段忽略了插值阶段的误差，因此重 建效果不佳
IBP 算法可以用如下公式来表示：
fn + 1 x ,y = fn x ,y + g k m ,n - g k m ,n H B P m ,n ; x ,y
该方法的特点是：直观、简单、收敛快；但没有惟一的解，难以 利用先验知识，而且选择投影算子HBP是困难的
武汉学图像处理与智能系统
把高分辨率图像和观察得到的低分辨率图像当作两个不同的随机过程。根 据MAP准则：
xma p arm gxa [P xx|ry)(]
使用条件概率对上式进行变形、取负对数并舍弃常数项，可得
x m a a pm rx g [ l io x Py g |r x ) (lo Px g )r](
其 常中采，用P的r (MxR)F模高型分使辨图像率的图局像部的在先光验滑模性型和可边以缘由保图持像上的同先时验获知得识了确比定较，好通
实验室
武汉大学图像处理与智能系统实验室
14
凸集投影算法( POCS )
凸集投影法是解决超分辨率问题的一类典型算法。Stark和 Oskoui首次（1989）将POCS应用于超分辨率重建，但其采用的运 动模型却假定图像获取时仅存在整体平移，且没有考虑运动模糊 的效果。Patti 等人（1997）提出了同时考虑混叠、传感器模糊、 运动模糊和加性噪声的POCS 方法。 POCS方法中，超分辨率解空 间中可行解的每一个限制条件（如非负性、能量有界性、观测数 据一致性、局部光滑性等），都被定义为一个约束凸集，通过对 代表高分辨率图像性质的约束集求交，即可迭代解得解空间。
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
13
迭代方向投影法（IBP）
迭代反向投影算法由Irani和Peleg于1991年提出，其基本思想是：将
退化模型生成的低分辨率图像
gk
与输入的低分辨率图像
gk
之
间的差值反向投影到高分辨率图像上, 随着误差收敛, 可以得到相应
的超分辨率重建图像。
的效果，条件概率密度 Pr(y| x) 则由系统的噪声统计量确定
MAP方法的优点在于有惟一解，如果有合理的先验假设可以获得非常好 的图像边缘效果。但是其显著的缺点就在于计算量相对比较大。
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
17
基于概率的方法
Schulz 和Stevenson（1994）使用了具有边缘保持能力的Huber-Markov 先验来完成超分辨率的MAP估计。而Hardie等人（1997）首先考虑了 图像配准参数和HR图像的联合MAP估计问题。ML方法可以看作没有 先验知识的特殊MAP估计，但由于SR 问题本身是病态的，通常应优 先选择MAP估计。Tom 和Katsaggelos （1995）提出了同时估计LR图 像的亚像素位移、噪声方差和HR图像的ML方法，并通过EM算法求 解。
10
频域法
1984年，Tsai 和Huang首次提出了序列图像的超分辨率重建问题，并 给出了基于频域逼近的图像重建的方法，其观测模型是基于傅立叶变 换的移位特性。该类方法主要是通过频域消混叠重建来恢复图像的高 频分量。频域法的优点是理论简单，可并行处理。然而运动模型只考 虑到全局运动，局限性大，并且很难引入图像的先验知识来进行高分 辨率图像的重建。
基于重建的方法
基于学习的方法
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
9
基于重建的方法
频域方法 非均匀插值法 迭代方向投影(IBP) 凸集投影(POCS)法 基于概率的方法 正则化方法 自适应滤波方法 盲超分辨率重建
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
实验室
武汉大学图像处理与智能系统实验室
3
图像失真模型
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
7
图像失真的数学描述
降采样 模糊 移动 观 测 模 型
（ 退 化 模
型 ）
武汉学图像处理与智能系统
实验室
武汉大学图像处理与智能系统实验室
8
超分辨率重建的方法
超分辨率的概念，最早于上个世纪60年代由Harris提出用于单张影像 的复原，并奠定了超分辨率的数学基础。 1984年，Tsai和Huang首次 提出了利用多帧低分辨率退化图像进行超分辨率重建的问题，随后许 多学者对图像超分辨率重建进行了研究，不仅在理论上说明了超分辨 率重建的可能性，而且还提出和发展了很多具有实用价值的方法。从 目前的研究和应用成果来看，超分辨率重建算法主要分为频域方法、 传统空域重建方法、基于学习（leaning-Based）的方法。早期的研 究工作主要集中在频域中进行，但考虑到更一般的退化模型，后期的 研究工作几乎都集中在空域中进行。基于学习的超分辨率重建方法是 最近十年发展起来的，不仅克服了基于重建的方法在分辨率提高倍数 方面的局限性，而且可以实现单幅图像的超分辨率重建。