鲁棒的多帧图像自适应超分辨率重建技术研究

Image super-resolution (SR) is a technology to fuse multiple low-resolution (LR) images to produce a high-resolution (HR) image. Image SR has wide applications, including remote sensing, military surveillance, and medical imaging, among others. The current methods mainly exist the following problems: 1) All SR algorithms are based on space or frequency domain. SR process information is never been considered. 2) Lack of robustness in the SR algorithm leads to bad reconstructive result for low-quality LR image. 3) Reconstruction algorithm lacks adaptablity because the respective characteristics of each multi-frame LR image does not been considered. 4) There are ringing artifacts in the reconstructive HR image. In view of these, according to in-depth research, this project tries to effectively propose a new idea to combine the frequency domain, space domain and SR process information together, improve the robustness and adaptability of multi-frame image SR reconstruction and suppress the ringing effects in main SR methods. The key points of the project are given as follows: The definition and extraction of the SR process information; Classification and fusion of the features in different regions of reconstructive image; The analysis of robustness and adaptability in SR reconstruction; The cause and suppression of the ringing artifacts in reconstructive image. The successful implementation of the project has positive significance to promote the development and application of SR and improve the theory and practice of image understanding.

超分辨率(SR)重建是一种将多幅低分辨率(LR)图像合成为高分辨率(HR)图像的技术，在卫星遥感，医学成像和高清晰电视等多个领域取得了广泛的应用。当前SR重建方法主要存在如下问题：1)重建算法都是基于空域和频域的，没有考虑重建过程信息；2)重建算法缺乏鲁棒性，对于低质LR图像难以得到较好的重建效果；3)重建算法没有考虑多帧LR图像的各自特点，缺乏自适应性；4)重建HR图像存在振铃效应。本项目试图通过研究，给出基于频域、空域以及重建过程信息相结合的SR重建新思路；提高SR重建的鲁棒性和自适应性；并且基于主流SR方法对振铃效应进行有效抑制。该项目的难点和关键在于：SR重建过程信息的定义与提取；重建图像不同区域特征的分类与融合；SR重建鲁棒性和自适应性分析；不同SR方法中振铃效应的产生原因和抑制思路等。该项目的成功实施，对于促进SR技术的发展和应用，丰富图象理解的理论和方法，都具有积极的意义。

超分辨率(SR)重建是一种将多幅低分辨率(LR)图像合成为高分辨率(HR)图像的技术，在卫星遥感，医学成像和高清晰电视等多个领域取得了广泛的应用。当前SR重建方法主要存在如下问题：1)重建算法都是基于空域和频域的，没有考虑重建过程信息；2)重建算法缺乏鲁棒性，对于低质LR图像难以得到较好的重建效果；3)重建算法没有考虑多帧LR图像的各自特点，缺乏自适应性；4)重建HR图像存在振铃效应。基于上述分析，本项目通过全面深入的研究特征提取、SR重建等理论，提出一种基于空域、频域以及时域进行SR重建的新思路，给出了提高SR重建鲁棒性和自适应性的方法，并在此基础上探讨SR重建中振铃效应抑制问题。该项目的主要完成的工作有：1）SR重建中图像特征的分类、提取与融合技术；2）基于空域、频域以及重建过程信息相结合的SR重建框架；3）SR 重建中提高鲁棒性和自适应性的方法；4）在 POCS，ML，MAP 等主流SR重建方法中提出抑制振铃效应的系统解决方案。该项目完成情况良好，取得了较好的成果，共完成核心期刊论文17篇，其中SCI收录5篇，申请专利9项，培养硕士生4名，编写SR重建软件实验平台一套。该项目的成功实施，对于促进SR重建技术的发展和应用，丰富图象理解的理论和方法，都具有积极的意义。