基于信息认知的图像超分辨技术研究

针对当前各类应用对于高分辨率图像日益高涨的需求与传输信道带宽、硬件限制等因素之间的矛盾，研究序列图像超分辨率技术。本项目在前期大量研究工作基础上，采用对序列图像像素/像素集合的信息量认知、分类的方法，以及信号空、时域混叠理论，重点解决超分辨率技术中，细节与宏观的平衡，分辨率与清晰度的平衡。首先，明确序列图像信号包含三种基本成分：冗余（强相关）信号、有效非冗余（弱相关）信号、无效非冗余（噪声）信号；其次，认知、分离三种成分。先利用强相关性与残差信号特性估计冗余信号，再通过能量谱、时空轨迹等特征的集成，以及噪声特性分析等技术提取有效非冗余信号；接着，研究信号的空时混叠问题，通过构建合理的点扩散（PSF）函数实现超分辨率技术；进而将有效非冗余信号融合入超分辨图像，提高结果图像的信息量。

针对当前各类应用对于高分辨率图像日益高涨的需求与传输信道带宽、存储容量和硬件限制等因素之间的矛盾，本文研究了单序列低分辨率图像、多序列混合分辨率图像的图像超分辨率技术。基于信息认知理论，对图像采用基于运动窗的运动估计与补偿技术，结合基于最大似然方法的冗余信号估计技术，完成了将低分辨图像序列有效地分解为三种基本成分的功能——冗余（强相关）信号、有效非冗余（弱相关）信号、无效非冗余（噪声）信号——丰富了信号混叠模型分解方法及其在超分辨技术中的应用。本文采用多参数估计模型，完成了区域图像的PSF函数的自适应估计模型，为基于感兴趣区域超分辨技术奠定了基础。从变换域信息认知角度出发，针对配准误差，对超分辨模型进行了改进研究，设计了平移不变性相似度测量模型，进一步提高了超分辨模型的适应性。从帧间信息相关度出发，提出了基于帧间相关度的图像超分辨技术模型，提高了传统模型对不同图像序列的超分辨图像质量稳定性，同时，为基于超分辨技术的序列图像编码提供了技术支撑。