超分辨率图像重构技术概述课件.ppt

《超分辨率图像重构技术概述课件.ppt》由会员分享，可在线阅读，更多相关《超分辨率图像重构技术概述课件.ppt（75页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、超分辨率图像重构技术概览uingrdgmail内容提要基本概念超分辨率重构的基本目标由低分辨率图像序列得到高分辨率图像内容提要基本概念背景应用背景提高CMOS或者CCD照相/摄像机的图像分辨率医学成像(CT/MRI)卫星和航空遥感成像大屏幕电视视频压缩方法频域重构非均匀插值重构带约束的成像模型求逆凸集映射概率重构综合上述各方法的方法方法的简单评价频域重构非均匀插值重构带约束的成像模型求逆凸集映射概率重构综合上述各方法的方法不能处理图片平移需要图片精确对准非线性病态方程求逆收敛慢计算量大需要先验统计参数凑和能用图像失真模型图像的数学描述图像失真的数学描述像素移动像素糊化降采样低画质图像的数学描述

2、内容提要基本概念背景非均匀插值重构算法非均匀插值重构非均匀插值重构非均匀插值重构非均匀插值重构非均匀插值重构处理流程图像运动估计图像合并像素映射到高分辨率格点进一步的去噪、抗糊化处理非均匀插值例子最近邻法插值非均匀插值例子双线性插值非均匀插值例子非均匀插值非均匀插值例子去糊化后的输出内容提要基本概念背景非均匀插值重构算法基于数学模型的重构数学重构的基本流程y1y2y3y4降降质模型模型4降降质模型模型3降降质模型模型2降降质模型模型1y1y2y3y4比较器观测图像由超分辨率重构观测图像重构超分辨率图像修正数据数学重构思想？独立方程数目不够、病态问题求解转换成函数极小化问题，解不唯一=arg m

3、inxx正则条件下的数学重构重构结果是否符合观测模型额外的正则化约束=arg minxxa=1,C=I的特例代表最小二乘最小范数解正则条件下重构方程的含义重构结果是否符合观测模型图像复杂度的度量=arg minxx提取图像复杂度信息惩罚可能重构出的复杂图像正则条件下重构方程的解正则重构例子最近邻法插值正则重构例子以较小的正则化参数（a）重构结果正则重构例子以较大的正则化参数（a）重构结果严重惩罚导致高复杂度的高频分量内容提要基本概念背景非均匀插值重构算法基于数学模型的重构统计重构基于统计参数的超分辨率重构?测试在观测到的条件下的各种可能的像素值的出现概率，选取可能性最大的像素值填入条件概率最大

4、化的重构思想统计重构的表达式化简条件概率就是n的分布概率，一般用i.i.d.高斯建模nk=(yk-Wkxk)的指数函数统计重构的表达式化简复杂的图片出现的可能性小，度量复杂度Gibbs先验概率可以限定评估图像的局部区域高斯假设对比正则重构正则重构统计重构=arg minxx统计重构例子最近邻法插值统计重构例子统计重构内容提要基本概念背景非均匀插值重构算法基于数学模型的重构统计重构映射重构凸集映射符合条件2所有可能重构结果集合重构结果落在符合各个条件的集合交集符合条件1所有可能重构结果集合符合条件3所有可能重构结果集合凸集凸集对应的映射算子凸集映射算法具体的凸集例子满足(m1,m2)点约束条件r

5、(x)(m1,m2)的所有可能的图像的集合度量观测点(m1,m2)的吻合度和观测点(m1,m2)吻合的容忍门限，对于可信度比较高的观测点，门限低（紧）一些对于可信度比较高的观测点，门限高（松）一些凸集映射算法凸集映射算法双线性插值凸集映射算法10次映射迭代凸集映射算法30次映射迭代凸集映射算法50次映射迭代最大似然-凸集映射联合算法(ML-POS)约束根据概率准则化简得到的重构优化算法（用到了高斯分布的假设，但噪声不是白的）噪声的条件概率的ln即：给定重构图像条件下的观测图像的条件概率度量重构图像的出现概率（图像复杂度）凸集约束其他算法（反向传播算法）前一次迭代结果图像修正量修正步长图像（位移

6、）匹配误差运动估计会有误差通过匹配得到的两图的采样网格相对位移量（亚像素级的）会有误差考虑图像（位移）匹配误差的算法第k个观测图重构图重构模型，根据图像匹配得到，有误差重构结果和观测值的吻合程度根据图像匹配误差对吻合数据加权度量图像复杂度=arg minxx匹配误差和加权因子的关系吻合程度低的图很可能是大的匹配误差造成的，因此要用小的l降低它对算法的影响力数学重构的基本流程y1y2y3y4降降质模型模型4降降质模型模型3降降质模型模型2降降质模型模型1y1y2y3y4比较器观测图像由超分辨率重构观测图像重构超分辨率图像修正数据图像和匹配/降质模型联合优化y1y2y3y4降降质模型模型4降降质模

7、型模型3降降质模型模型2降降质模型模型1y1y2y3y4比较器观测图像由超分辨率重构观测图像重构超分辨率图像修正数据联合优化降质模型矩阵重构图的复杂度度量观测图像吻合误差构造降质模型矩阵的参数交替搜索优化x和W联合优化的例子联合优化的例子联合优化的例子总结方法已经有不少了,可是速度慢，一般需要计算迭代，因此有收敛问题计算量大解的不唯一性依赖于概率模型或者正则化表达式还有什么可做的？针对视频编解码应用提高速度使用编码端导引信息统计参数图像平滑度信息图像复杂度评判区域和评判参照终于结束了！Thank You for Thank You for Your PatienceYour PatienceQ&AEND