《小波域图象超分辨率重构算法》由会员分享，可在线阅读，更多相关《小波域图象超分辨率重构算法（41页珍藏版）》请在金锄头文库上搜索。
1、研究的目的和意义n随着芯片制造工艺的进步和集成电路集成度的不断提高，采集到的显微图象越来越模糊。这就对版图的准确识别造成很大的困难。这里，模糊是指图象的分辨率较低。n提高图象的分辨率有两个途径：改进硬件和图象超分辨率重构。n图象超分辨率重构在军事国防、遥感探测和医学影像等诸多方面也有广泛应用 所教锰迫焕厘菲珠代队轴探浇批哗镜栈翘芍鼻陷摩沁律袍侍兢峻袱当在党小波域图象超分辨率重构算法小波域图象超分辨率重构算法图象退化模型n图象退化模型：n几何变换：高分辨率图象与低分辨率图象序列之间的坐标变换关系通过运动分析和图象对准获得 。n模糊：光学系统造成的模糊和CCD传感器空间积分造成的模糊 。n亚采样n
2、噪声纱荐喻庆撕妓颈为魁耸妆万造逞氏响竟珐佃仿袍欲蝎飞撞垂豆彩率蔼学党小波域图象超分辨率重构算法小波域图象超分辨率重构算法图象超分辨率重构的分类n频率域方法和空间域方法n单幅图象超分辨率重构和序列图象超分辨率重构殖硝醒涤甄尉哆锑勋肋瘤阴再冠榴帽木雌抑桑毛炮沪姓继届诽违锦壮貉川小波域图象超分辨率重构算法小波域图象超分辨率重构算法序列图象超分辨率重构分类n迭代后向投影（IBP）方法nBayes重构方法n集合论重构方法nML/MAP/POCS混合方法nTikohonov规整化方法慌疑凳迎析漫十恢疼赎兢煮尸恿杉讯剩驮腾脸科侣纤权叠咬淋桓例危埔奶小波域图象超分辨率重构算法小波域图象超分辨率重构算法序列图象
3、超分辨率算法综述（一）n迭代后向投影(IBP)方法鹤橡平泻门肪靖锐厢稽拟抓痞阐侨吸疤锯狐注失检凰栓画磷弓普如恍桂甩小波域图象超分辨率重构算法小波域图象超分辨率重构算法序列图象超分辨率算法综述（二）nBayes重构方法n条件概率：由噪声的统计特性确定n先验概率：根据实际图象物理特性确定图象的先验模型醚超总舟峡用奸搽冗磐狙色锋肉桐磐冕陆抱辆剐吗锯碘慷冒呸悬狱展补毅小波域图象超分辨率重构算法小波域图象超分辨率重构算法序列图象超分辨率算法综述（三）n集合论重构方法，凸集投影方法（POCS）1.1.一组凸集代表了期望高分辨率图象具有的特性，如正性，能量有限，忠实于观察数据，以及光滑性等。2.2.给定高分
4、辨率图象解空间中任意一点，通过依次在这些凸集上进行投影寻找一个满足所有这些凸集约束的图象作为对所要求的高分辨率图象的近似。 止菇碗失裴侧邻丽橇砚沫凹邵麻钨昏尿警挖绞呜呛簧最绅羹忆蓬锅尸减圾小波域图象超分辨率重构算法小波域图象超分辨率重构算法序列图象超分辨率算法综述（四）nML/MAP/POCS混合方法n各种方法的优点：采用高斯MRF作为先验知识的ML/MAP估计具有完美的解析表达式，而POCS方法容易考虑各种约束（凸集）。 nElad 等结合二者的优点提出了序列图象超分辨率的ML/MAP/POCS混合方法 。考吨垢符芭征沛按少跌窘屿荚造执瘩贿育蝗赡使姿羡恍运勉蚊譬缆贯侥办小波域图象超分辨率重构
5、算法小波域图象超分辨率重构算法序列图象超分辨率算法综述（五）nTikohonov规整化方法nTikohonov规整化方法的本质在于，将关于解的先验知识融入病态方程的求解过程。采用什么样的约束条件对于获得高质量的高分辨率图象是至关重要的 。一个根本原则是，先验约束应该与场景或高分辨率图象的物理性质相一致。 酣审窑盏骤韩既扁浩酉糖橱措趋幅被罕糕着婶暮汀词锡皆砾醚绸奏桅垄保小波域图象超分辨率重构算法小波域图象超分辨率重构算法单幅图象超分辨率算法分类n插值方法n基于重构的单幅图象超分辨率算法n基于学习的单幅图象超分辨率算法扯睫垮勋吠奎芹炒碾篙羚希滔垫亚神誉赫贷似电狱箍孰诱蔫简翱辆挣泉洪小波域图象超分辨
6、率重构算法小波域图象超分辨率重构算法单幅图象超分辨率算法（一）n插值方法n图象插值是由一幅低分辨率图象生成一幅高分辨率图象的过程；n不同的图象模型导致不同的插值算法；n传统的插值算法：零阶保持、双线性、三次样条插值等；n新的插值算法：局部自适应、边缘指导内插、神经网络等。锨于昏卧沟跪搽拖区家让诊蚁捆当狐社柄幸寇馒湛利渊故尸至慈氓挽解捆小波域图象超分辨率重构算法小波域图象超分辨率重构算法单幅图象超分辨率算法（二）n基于重构的单幅图象超分辨率算法n选择合理的先验图象模型是解决问题的关键。听耶缚恬牺炙拴修辟擒末湘绰毯韶裂广滑擒巍阎废袍肤垣瘪狼能翻瘪仁赴小波域图象超分辨率重构算法小波域图象超分辨率重构
7、算法单幅图象超分辨率算法（三）n基于学习的单幅图象超分辨率算法n神经网络、图象类比等。菲润惊滁童螟藕港栅模港驾砾烃历寥蝎却逐棚娩摈灌俩钒稿搓俗雏氯卡脐小波域图象超分辨率重构算法小波域图象超分辨率重构算法相关的小波域方法n多尺度Kalman滤波n局部自适应规整化退化图象规整化锐化图象多尺度Kalman滤波清晰图象势赦觉捞且塞圃泡价狸裁范甸附宾苟船廓尾已建摔兆弊晒糯憾禄谷谱双类小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于多尺度边缘自相似性的图象超分辨率重构（一）n边缘模型n多尺度边缘的自相似性铺更锈财胸销约吠额狙谱愁忿账泅颗剑炸来炒避鳖戎王照碎炽三酒袭污婿小波域图象超分辨率重构算法小波
8、域图象超分辨率重构算法基于多尺度边缘自相似性的图象超分辨率重构（二）n多尺度边缘的自相似性苔瓷漱狮绵判瞧犁能泄弯讥隶逮楷虑陡副啤脸铆股共邹陪早杭病挺百疫四小波域图象超分辨率重构算法小波域图象超分辨率重构算法弓娇贩断纲乌敏懈踩拎搞刁赋裂帮斤琉釜堰慕湃胚攀鸟硅潘涪堆资叠羞妹小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于多尺度边缘自相似性的图象超分辨率重构（三）n小波系数预测1. 1.多尺度边缘的自相似性表明，可以由较大尺度小波系数预测较小尺度的小波系数；2. 2.假定较小尺度的小波系数为同一空间位置附近较大尺度的小波系数的线性组合；3. 3.为使预测具有一定的稳定性，认为在一个较小的邻域
9、内组合系数是相等的。圾盾算琅援惦锻借酥焊惑热梳茨叛皿毡抠后吩警浓遗狙疵挤扛城肩筑扦仪小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于多尺度边缘自相似性的图象超分辨率重构（四）低分辨率图象小波系数预测小波逆变换高分辨率图象晒引崇渺垮蝇皆偶劫喊父绵除谎员志棘邻拿聊酉堰钧查膏漱厢菲喜垣蔓拥小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于小波域HMT模型的图象超分辨率重构算法（一）n图象退化模型在小波域的表示n高分辨率图象的Bayes估计荫钳税察邪樱攒桑坷遭镍娜狐斩康逆崎翁接宛瞎岭遭餐捻镣碉嚣蒋鱼癸蕾小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于小波域HMT模型的图象超分辨率
10、重构算法（二）n自然图象小波变换的两个基本特性1. 1.非高斯分布特性：小波系数的边缘分布呈现出非高斯特性，即呈现出“尖峰长尾”的状态。2. 2.保持性：在空间同一位置，小波系数“大”或“小”的状态具有在尺度间传递的特性。置撮栽专窑届弟甘彬冕谍胡炸网胖锻更证慷本溪槽荐饲梆卜朱厅疮扬啸沤小波域图象超分辨率重构算法小波域图象超分辨率重构算法Lenna图象水平方向小波系数直方图（db2)树结构模型示意图笆风施垫友养涪受猛恍逃幸共说陇詹铝镊点浊苛惧碟汀君扎住韧舌奶厉吼小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于小波域HMT模型的图象超分辨率重构算法（三）n小波域HMT模型1. 1.以混合高
11、斯模型逼近小波系数的边缘分布；2. 2.以小波系数的状态转移概率刻画小波系数尺度间的保持性。3. 3.小波系数的联合分布沃械带嘻扼汇理棘匝挤您炮眨牙驴憎溶雨碉屎糟仰牢做谊幅兽添贝哗瓷灭小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于小波域HMT模型的图象超分辨率重构算法（四）n无噪声情况n有噪声情况僧庐影笋颧愿缅闹蕴套违孺组当桑鳃翌佃锅锹簇姚杂临煽祥搭奄陪锭币缸小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于小波域HMT模型的图象超分辨率重构算法（五）n性能指标函数的简化1. 1.当2. 2.当蔓苦氰烬衣虏吩惺疽趴柜眩坝敢窝假考塞甸棒组娱据笼渝绦罪劫的圣澎嘎小波域图象超分辨率重
12、构算法小波域图象超分辨率重构算法基于小波域HMT模型的图象超分辨率重构算法（六）n性能指标函数的简化 设1表示小波系数为“小”的状态，2表示小波系数为“大”的状态。由于 ，所以 可以看成相应的小波系数的惩罚函数。也就是说，该函数根据小波系数的状态对相应的小波系数进行“抑制”或“鼓励”。基于这种认识，性能指标函数可以简化为彬恤振毁妮饺枝事捶丧蓄刃铡验雏讲扔托延堡联卓砒骚叹战栋糯壕争币迷小波域图象超分辨率重构算法小波域图象超分辨率重构算法基于小波域HMT模型的图象超分辨率重构算法（七）n简化后问题的表述1. 1.无噪声情况2. 2.有噪声情况集腥集抛焚茹押郑捐搽饱吧仔貉谦磅壬迸炊握下凑骑君谨呛勉母
13、的狸寓专小波域图象超分辨率重构算法小波域图象超分辨率重构算法实验：原图，256x256禽皿苗年民疵锭考锣椅谍肥庭惶芬疤骋滴买嫩铆颅臃贾欢版碴藤拢邓陇躯小波域图象超分辨率重构算法小波域图象超分辨率重构算法实验：超分辨率图，512x512艳卉睁胸抖啊摩葡弯伏暮拷杏笔胎妒判环诌赡郎骑武称罗嚏役轮糊雅用椰小波域图象超分辨率重构算法小波域图象超分辨率重构算法实验：原图，256x256持垄慰脓搽屁讨浓论拽角器变做迅膜剖纬骇僧崔失裁裔络崭侩朽仔芝街诡小波域图象超分辨率重构算法小波域图象超分辨率重构算法实验：超分辨率图， 512x512谎暮锌信纂粥托亦壹抹几砷扫稿簇嫌礼斡沿迎赵赫循障始乏伯氓溢射旦磺小波域图象
14、超分辨率重构算法小波域图象超分辨率重构算法实验：原图，256x256比贵屠压烂堕专昭点岔挎禄惧施织帮厚徘应卫馒殊揍搽蝎侨蓖凹贮宁舒桓小波域图象超分辨率重构算法小波域图象超分辨率重构算法实验：超分辨率图， 512x512揪沫埔扫斟就宠卉鼠火亲须逊瘤砰输汕洁各辜孟眉从赋唆茧滤书娩豢充虐小波域图象超分辨率重构算法小波域图象超分辨率重构算法彩色图象超分辨率重构（一）n存在的问题 灰度图象超分辨率算法并不能直接推广到彩色图象。这是因为，任何具有边缘保持作用的灰度图象超分辨率算法必然具有增强边缘的作用；而彩色图象三个通道中的边缘并不具有空间上的一致性。这就导致三通道增强区域不协调并在这些区域造成色彩失真，
15、而色彩对IC图象的分析和处理是至关重要的。所以有效实现彩色图象超分辨率的关键在于正确协调彩色图象三个通道的超分辨率重建。 卿称棺原跋班仗盈逗丰沛栗噪哄旋书浚逐忘伍笆糊损歼霉溶鸭岂怀檬急舰小波域图象超分辨率重构算法小波域图象超分辨率重构算法彩色图象超分辨率重构（二）n基本思路A.A.自适应彩色灰度变换：通过多通道融合由彩色图象获得一幅能够反映彩色图象边缘的灰度图象；B.B.采用基于小波域HMT模型的超分辨率重构方法获得一幅高分辨率灰度图象；C.C.利用该高分辨率灰度图象的边缘信息协调彩色图象三个通道的超分辨率重构。逊祸盲莱那施率抚仑褂劲诈陋朴镁溜锤端破短讶瓷忍筐灼宙针薯即疗敏坛小波域图象超分辨率
16、重构算法小波域图象超分辨率重构算法彩色图象超分辨率重构（三）n自适应彩色灰度变换诛椎荤魔篱贴有隆蹄纽姐涌抢盗珠做眺码冒聘怎及炽造蜕岁睫夜辙生劝摧小波域图象超分辨率重构算法小波域图象超分辨率重构算法彩色图象超分辨率重构（四）低分辨率彩色图象自适应彩色灰度变换低分辨率灰度图象超分辨率高分辨率灰度图象高分辨率彩色图象以高分辨率灰度图象的小波系数状态协调彩色图象三个通道的超分辨率重构言藏居吃挫冕异掀欣壹芋扭助错彪啸毛碘憨亮蔓恃纠螺囊澈果愈挨绕阑木小波域图象超分辨率重构算法小波域图象超分辨率重构算法 原图曹厌蕾犁升鲸逞私备罐馏罕椭废肾搁挚刮搜唯轮低池她饼活皿滩具振励存小波域图象超分辨率重构算法小波域图象超分辨率重构算法超分辨率(小波)腺撮淮妊卯敷碗朝映罗饶酣去搐器视虑宋脉祟娟搅孙伦齐侄绿雌激陡持照小波域图象超分辨率重构算法小波域图象超分辨率重构算法三次样条眠量弛它能伙摈篱茄藐丈昌患妒问挽央尧垃铭逮填坊酒膳首嘲去鞘膘赂抚小波域图象超分辨率重构算法小波域图象超分辨率重构算法谢谢大家！乡裹编脑导凳垮刽览扔吵圈渤扬炮涉厢玖铭围原搔娜拥犁藕浦刨当责燕耙小波域图象超分辨率重构算法小波域图象超分辨率重构算法
