目录
1.算法概述
图像超分辨率重建技术是指从低分辨率图像中重建高分辨率图像的技术,是近年来最重要的研究领域之一。由退化模型可知图像复原是一个不适定的问题,虽然有极大后验概率估计、凸集投影等许多传统复原算法,但正则化复原方法有时更为有效。论文针对图像重建中的正则化方法进行了探讨和研究。正则化方法的主要目的是引入合理的约束来得到更好的图像复原结果,论文首先考虑常见的空域正则化方法,着重研究对约束算子和参数的选取。然后由参数的收敛性分析,讨论了有效实现正则化方法的迭代算法的思想。为了更好的恢复图像边缘和纹理细节,又能较好的平滑噪声,最后对优于传统的全局正则化方法的自适应正则化,以及由不同高频子带确定噪声方差的小波域正则化方法进行具体讨论。在以上研究中均根据试验结果的具体质量评价对重建效果的改善做出了评估。
将观测图像对小波进行一层分解。分解后,降质图像可分为低频子频带LL和3个高频子频带即水平方向高频垂直方向低频子频带HL、垂直方向高频水平方向低频子频带LH和对角方向高频子频带HH。由于LL为低频子频带,而噪声大多只分布在HL、LH和HH子频带里,因此在估计局部噪声方差时,LL子频带可以不加以考虑。在高频子频带里估计噪声方差时,噪声没有方向性是一个非常有用的信息,因此其在各个高频子频带里的方差应较为接近;而边缘部分方具有较明显的方向性,其在各个高频子频带里的方差应差别较大,选择子频带方差最小的方差作为其估计值可以准确地反映真实边缘受噪声影响的程度。