论文部分内容阅读
图像的空间分辨率是衡量图像质量的一个重要指标，高分辨率的图像有助于目标识别和精确判读。由于拍摄条件、硬件采集设备等因素的影响，通常获得的图像不能较好地满足研究的需求。对此，国内外研究学者采用了图像超分辨率重建算法来提高原始图像的分辨率。图像超分辨重建是利用某场景下单幅或多幅低分辨率图像来重建高分辨率图像的算法。本文主要研究了基于常规图像和遥感图像的超分辨率重建算法，具体的研究工作和创新成果如下：（1）多帧常规图像的超分辨率重建：研究了频域-空域混合的图像配准算法，并提出了改进算法。传统配准算法采用迭代方法来提高计算精度，其迭代次数受到相关参数的影响。本文引入配准评价参数（REP），从配准的角度自动地确定最佳的迭代次数，通过仿真实验证明了改进算法具有更好的图像配准效果。对常用的图像重构算法，包括凸集投影算法（POCS），Papoulis-Gerchberg算法（PG），迭代反向投影算法（IBP）和结构自适应归一化卷积算法（SANC）进行研究，仿真实验表明四种重构算法中，SANC重构算法具有最高重构质量。（2）多帧MODIS遥感图像的超分辨率重建：考虑MODIS (ModerateResolution Imaging Spectroradiometer）光谱遥感影像的空间分辨率较低，本文对多帧低分辨率MODIS影像进行超分辨率重建。通过对MODIS影像采用直方图匹配预处理，减少了遥感图像之间的辐照度差异，然后对预处理后的图像进行超分辨率重建，解决了重建后图像中存在条纹干扰的问题。实验结果表明该算法能使原始影像的空间分辨率由500m提高到接近250m。（3）单帧MODIS遥感图像的超分辨率重建：对传统的基于稀疏表示的算法进行改进，提出结合小波变换的MODIS遥感图像的超分辨率重建算法。本文通过冗余字典训练算法（K-SVD）获得低频、水平和垂直分量的3个小波域字典，建立了高分辨率Landsat ETM+和MODIS影像之间的关系，然后结合正交匹配追踪算法（OMP）进行图像重建，增强待重建的遥感影像的空间分辨率。通过实验证明，改进算法的重建结果比传统算法包含更多的细节信息。通过选择最佳的相关参数数值，可以进一步优化算法的重建质量和计算效率。