图像超分辨率重建算法研究 文献综述

毕业设计（论文）题目：图像超分辨率重建算法研究
专业（方向）：电子信息工程
文献综述
1.引言
超分辨率概念最早出现在光学领域。

在该领域中，超分辨率是指试图复原衍射极限以外数据的过程。

Toraldo di Francia在1955年的雷达文献中关于光学成像第一次提出了超分辨率的概念。

复原的概念最早是由J.L.Harris和J.w.Goodman分别于1964年和1965年提出一种称为Harris-Goodman频谱外推的方法。

这些算法在某些假设条件下得到较好的仿真结果，但实际应用中效果并不理想。

Tsai &Huang首先提出了基于序列或多帧图像的超分辨率重建问题。

1982年D.C.C.Youla和H.Webb在总结前人的基础上，提出了凸集投影图像复原(Pocs)方法。

1986年，S.E.Meinel提出了服从泊松分布的最大似然复原(泊松-ML)方法。

1991年和1992年，B.R.Hunt和PJ.Sementilli在Bayes分析的基础上，提出了泊松最大后验概率复原(泊松-MAP)方法，并于1993年对超分辨率的定义和特性进行了分析，提出了图像超分辨率的能力取决于物体的空间限制、噪声和采样间隔。

伴随着计算机技术、信息处理技术和视觉通信技术的高速发展，人类进入了一个全新的信息化时代。

人们所能够获取的知识量呈爆炸式的增长，因此迫切的要求信息处理技术不断的完善和发展，以便能够为人们提供更加方便、快捷和多样化的服务。

数字图像及其相关处理技术是信息处理技术的重要内容之一，在很多领域得到了越来越广泛的应用。

对于数字图像在一些情况下一般要求是高分辨图像，如：医学图像要求能够显示出那些人眼不能辨别出的细微病灶；卫星地面要求卫星图像至少能够辨别出人的脸相；有些检测识别控制装置需要足够高分辨率的图像才能保证测量和控制的精度。

因此提高图像分辨率是图像获取领域里追求的一个目标。

但是通过改善成像装置硬件的分辨力来提高图像的分辨能力是有限的也是不切实际的。

因此，需要一种有效的方法来克服图像传感器的这些限制。

解决这一问题的一个实用而有效的方法就是图像的超分辨率重构技术，其不需要昂贵的图像获取设备，只需要通过计算机软件的处理就能获得更高分辨率的图像。

因此，用该方法来提高图像分辨率所需要的代价很低。

2.超分辨率图像重构算法研究现状以及优缺点
目前,国内外对超分辨率的研究较突出的有:美国加州大学多维信号处理研究小组的PeymanMilanfar 等提出了大量的实用算法和集成各种算法的超分辨率图像恢复软件包；美国Dayton大学和Wright实验室对红外CCD相机进行了机载试验，利用20幅低分辨率的红外图像，取得了分辨率提高近5倍的实验结果。

香港R. F. Chars等研究了超分辨率图像恢复的有效预处理共扼梯度迭代算法。

以色列耶鲁撒冷大学M.Elad 等对存在任意运动的图像序列,以及动态的和彩色的多媒体等的超分辨率恢复进行了研究。

以色列的
EROS-A卫星利用“过采样”技术使影像的分辨率提高一倍以上。

印度S.Chaudhuri等研究了迭代的超分辨率图像恢复方法。

韩国Pohang理工大学在各向异性扩散用于超分辨率方面进行了研究。

国内近几年在频谱外推、混叠效应的消除、无损检测、成像探测元的阵列改进以及一些超分辨率方法的改进方面做过类似研究，但研究水平无论从深度和广度上都较国外存在一定的差距。

国内许多科研院所和大学等对超分辨率图像恢复进行研究，其中部分是关于频谱外推、混叠效应的消除，其他主要是对国外超分辨率方法所进行的改进，包括对POCS算法和MAP算法的改进，对超分辨率插值方法的改进，基于小波域隐马尔可夫树(HMT)模型对彩色图像超分辨率方法的改进以及对超分辨率图像重构方法的改进。

3.关键技术
所有制约图像分辨率提高的因素或者是物理客观的或者是随机存在的，很多都不是现有的技术所能够控制的。

因此通过改善成像装置硬件的分辨力来提高图像的分辨能力是有限的也是不切实际的。

所以关键是需要一种有效的方法来克服图像传感器的这些限制。

解决这一问题的一个实用而有效的方法就是图像的超分辨率重构技术，而其关键是要利用计算机软件通过空域方法以及序列图像重构算法的POCS算法处理来获得更高分辨率的图像。

4.未来发展与研究方向
虽然目前的超分辨率研究己经取得了比较大的成就，但是仍然不能满足现在实际图像处理领域要求的日益提高，而超分辨率作为一种切实可行的、有效的图像处理方法，以其优越的性能及广泛的应用，必将越来越受到人们的推崇，也必将会得到更大的发展。

今后的超分辨率研究需要从以下几个方面进行改进：
(1) 如何建立更加符合实际情况的图像模型
目前的超分辨率重建算法的成像模型都做了某些假设，忽略了一些更一般的问题，因而具有一定的局部性，不能适合于所有的应用场合。

实际成像过程中包含了各种退化，包括各种模糊、各种噪声、各种运动等，建立、扩展反映成像系统降质过程的精确观测模型，能使算法具有更好的适应性，进一步提高SR 复原技术的性能。

此外将图像的先验信息有效的引入退化，可以使复原效果更好。

(2) 超分辨率图像重构算法的创新研究
高分辨率图像恢复的算法在图像运动估计、图像模糊估计方面需要进一步研究。

在运动估计方面，如果能准确的得到图像序列的运动场，就可以从足够多帧的低分辨率图像序列中完全复原出投影到成像平面上的图像，复原成功的关键是鲁棒的、具有子像素精度的运动估算技术。

这样，超分辨图像复原算法的计算量非常大，为了将超分辨复原技术应用于实际情形，开发一些计算效率高的超分辨算法是很重要的。

如何将新的数学算法引入到超分辨率算法中，提高超分辨率恢复的能力、减小运算量、加快运算的收敛速度，成为实时研究的主要工作。

除了图像序列本身以外，实际应用中还可以得到许多关于被拍摄景物的先验信息。

这是超分辨率算法的另一个信息来源。

先验信息在超分辨率中的运用与其它图像处理和分析环节相互
关联，成为超分辨率算法研究的新热点。

另外，针对模型误差以及不同类型的噪声具有较强稳健性和适应性的算法，也是实际应用中所需的。

(3) 如何扩展超分辨率的应用
要将超分辨率复原扩展到多通道和彩色图像、三维立体成像、动态多媒体序列、压缩图像、CCD阵列成像和核磁共振成像的超分辨率恢复与增强。

将超分辨率技术应用于彩色超分辨率算法和超分辨率算法在压缩系统中（不通），是今后超分辨率技术发展的重要方向。

彩色超分辨率重建中一个重要的问题是对颜色滤波器阵列和颜色插值过程的特性进行分析，并要考虑到重建过程中颜色成分之间的交叉相关性。

图像在传输和保存之前需要进行例行压缩，因此有必要将超分辨率算法应用于压缩系统中。

随着图像超分辨率技术的进一步发展，必将导致这一技术拓宽到一些新的应用领域，图像超分辨率技术更广泛地应用会进一步加快该技术的发展。

此外，超分辨率技术的理论研究结果还可为未来我国新型传感器的硬件设计与实现提供理论指导与参考，图像超分辨率技术会有更广阔的前景。

（参考文献要标注到内容里）
参考文献：
[1] 沈焕锋，李平湘，张良培等. 图像超分辨率重建技术与方法综述[J]. 光学技术， 2009, 35(2): 194-199
[2] 浦剑，张军平，黄华. 超分辨率算法研究综述[J]. 山东大学学报， 2009，39(1): 27-32
[3] 刘良云，李英才，相里斌. 超分辨率图像重构技术的仿真实验研究[J]. 中国图象图形学报，2001，6A(6): 629-635
[4] 彭洁，徐启飞，吕庆文等. 一种快速超分辨率图像重建算法[J]. 南方医科大学学报，2009， 29(4): 656-658
[5] 朱福珍，李金宗，李冬冬. 基于BP神经网络的超分辨率图像重建[J]. 系统工程与电子技术，2009，31(7): 1746-1749
[6] KimS.P.,SuW.Y. Recursive high-resolution reconstruction of blurred multiframe images[J]. IEEE Transactions on Image Processing，1993，2(4):534-539
[7] 孟庆武. 预估计混叠度的MAP超分辨率处理算法[J].软件学报，2004，15（2）：207-214
[8] 李慧芳,杜明辉. 基于改进的POCS算法的超分辨率图像恢复[J].华南理工大学学报，自然科学版,2003，31(10):24-27
[9] Patti.A.J,AltunbasakY. Artifact reduction for set theoretic super resolution image reconstruction with edge adaptive con straints and higher-order interpolants[J]. IEEE Ttans Image Processing,2001,10(10):179-180
[10] Pei Shengwei,Du Minghui.Amodified method for Super-resolution image reconstr- uction based on wavelet transform and POCS[J]. Journal of Infromation and Comp- utational Science,2005,2(4):757-764
[11] H.Shen,L.Zhang,B.Huang,P.Li. A MAP Approach for Joint Motion Estimation, Segme- ntation,
and Super Resolution. IEEE Transactions on Image Processing.2007, 16(2): 479-489.
[12] S.Farsiu,M.D.Robinson,M.Elad,anfar.Fast and Robust Multiframe Super Reso- lution. IEEE Transactions on Image Processing.2004,13(10):1327-1344。