关于超分辨率图像重建的配准方法研究

论文摘要

进入九十年代之后,计算机多媒体技术得到了突飞猛进的发展,同时,人们对数字图像的质量也有了更高的要求,随之也就出现了一种可以提高图像清晰度和分辨率的数字图像处理技术,称之为超分辨率图像重建技术。该技术通俗的解释就是从一系列模糊不清晰的分辨率较低的观测图像中尽可能的重建出一帧或多帧清晰的分辨率较高的图像。目前,该技术的使用范围涉及到了图像拼接、信息融合等领域,在科学研究和生产生活中起到了推波助澜的作用。超分辨率图像重建技术是由三个阶段组成的：图像配准、插值和消除模糊与噪声。图像配准是超分辨率图像重建的第一步,也是图像重建取得成功与否的一个非常重要的因素,图像配准的精度直接影响到超分辨率图像重建的精度。图像配准是在计算机视觉和模式识别领域里最为基础的一个领域,也是最困难的一个领域之一。通常来说,配准的对象实体是两幅图像,一副为参考图像,另一副为待配准图像。配准工作的目的在于找出待配准图像中公共于参考图像中的部分,并按照此公共部分将待配准图像对准到参考图像。并为后续的图像重建、图像融合、图像拼接等做好前期准备工作。因此,基于特征点的图像配准技术研究具有重要的理论意义,也有很大的实用价值。本文主要是以基于角点的图像特征点匹配为主要出发点,针对目前流行的Harris角点特征提取技术和SIFT (Scale Invariant Feature Transform)尺度不变特征变换的特征点匹配技术进行了深入细致的研究。主要研究工作如下：1.论文首先介绍了图像重建的应用领域以及图像配准的研究意义、应用现状及发展方向等,然后着重描述了基于SIFT算法图像特征点的配准方法。包括该算法的发展历史,主要思想和实现步骤,然后实现SIFT特征点提取及匹配。2.提出了一种改进的基于SIFT特征的图像特征点提取算法。Harris特征点提取技术和SIFT特征点提取技术都是基于尺度空间理论的特征点处理技术。首先利用SIFT方法提取出参考图像和待配准图像上的特征点,然后判断各个极值点周围的邻域内是否具有Harris角点,如果存在显著的角点,则保留该点作为特征点,否则去除该点,使得得到的特征点更具有显著性。3.利用实验数据证明了SIFT尺度不变特征变换具有抗噪性、尺度不变性等特点。4.将改进后的配准算法应用到超分辨率重建中,验证了新算法的可行性。总之,本文是在分析了超分辨率图像配准理论的基础上,采用MATLAB软件实现了文中所述的算法,得到了相关实验结果,并进行了一系列的分析和验证。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 超分辨率图像重建的研究意义
• 1.1.2 超分辨率重建概述及其与配准关系
• 1.2 超分辨率图像配准的研究现状
• 1.3 本文的内容及组织安排
• 1.3.1 研究内容
• 1.3.2 论文组织安排
• 第二章 图像配准基础知识
• 2.1 图像配准研究概述
• 2.1.1 图像配准技术的应用领域
• 2.1.2 图像配准技术面临的难点
• 2.2 图像配准理论
• 2.2.1 图像配准模型
• 2.2.2 常用的图像配准方法
• 2.2.3 相似性测度
• 2.3 亚像素级配准
• 第三章 基于SIFT的配准方法
• 3.1 SIFT方法
• 3.1.1 尺度空间的建立
• 3.1.2 特征点定位
• 3.1.3 特征点方向分配
• 3.1.4 特征点描述子计算
• 3.1.5 特征点的匹配
• 3.2 HARRIS的角点检测方法
• 3.3 改进的SIFT方法
• 3.3.1 特征点检测
• 3.3.2 匹配准则
• 第四章 SIFT方法在图像配准中的应用
• 4.1 算法实现流程
• 4.2 图像的尺度空间表示
• 4.3 特征点性能检测
• 4.3.1 特征点检测的阈值设置
• 4.3.2 抗噪性检测
• 4.3.3 尺度不变性
• 4.4 图像匹配
• 4.4.1 不同分辨率,相同传感器的两幅图像之间的匹配
• 4.4.2 不同传感器的两幅图像之间的配准
• 4.5 改进前后算法的比较
• 4.5.1 特征点检测比较
• 4.5.2 图像配准比较
• 4.6 序列图像配准
• 4.7 结果分析
• 第五章 改进的配准算法在超分辨率重建中的应用
• 5.1 超分辨率重建的理论基础
• 5.2 插值方法
• 5.2.1 最近邻插值（nearest neighbor interpolation）
• 5.2.2 线性插值（linear interpolation）
• 5.2.3 双三次插值（cubic convolution interpolatin）
• 5.3 基于新算法的超分辨率重建应用
• 第六章 结束语
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读学位其间发表论文目录