基于分数阶总变分模型的多帧图像序列超分辨率重建技术研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61571394
项目类别：
面上项目
资助金额：
69.0万
负责人：
齐冬莲
依托单位：
浙江大学
学科分类：
F0116.图像信息处理
结题年份：
2019
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2019-12-31

项目参与者：
闫云凤；王乔；邵剑雄；陈拓；裴恬；单科萌；
关键词：
降晰估计分数阶微积分图像重建超分辨率总变分

项目摘要

Fractional order calculus has the advantages of better handling texture details and keeping effective information，which is easier accepted by.the human visual system.Aiming at the tough problem of dealing with degradation model in super-resolution reconstruction algorithm, the project presents a unified method for multi-image super-resolution(SR) reconstruction，including the model and algorithms. The algorithms focus on geometry description, sub-pixel registration and blurring estimation respectively. Combining fractional order theory and regularization SR reconstruction method, the proposed approach is based upon the fractional order total variation, the role of which is to better handle the texture details of image. Clearly, the project will provide algorithm support in substations, banks and other monitoring systems.

分数阶微积分算子在精确描述纹理细节、保留有效信号等方面具有明显优势，针对现有超分辨率重建算法中难以准确处理退化模型的问题，本项目结合分数阶微积分理论以及传统基于总变分的超分辨率重建方法，研究多帧图像序列的几何结构和纹理信息描述、亚像素级配准、降晰核函数估计以及超分辨率重建等理论和方法，提出基于分数阶总变分模型的多帧图像序列超分辨率重建算法，为其在变电站、银行等监控系统等应用提供理论支撑。

结项摘要

高质量的图像是信息获取和精确分析的必要前提，是生产生活、科学研究以及军事防御的必要条件。针对拍摄误差、传输噪声、外部环境等因素导致的图像细节信息丢失、边缘模糊、纹理不清等问题，研究多帧图像序列的超分辨率重构技术必要且有意义。现有的图像超分辨率重建算法在刻画图像纹理细节，增强算法抗干扰性以及适用性上存在一定的局限。本项目研究结合分数阶微积分理论以及传统的基于总变分的超分辨率重建方法，研究多帧图像序列的结构和纹理信息的描述方式，设计亚像素图像配准及图像融合的新思路，解决降晰核函数的估计问题，提出具体的基于分数阶总变分模型的多帧图像序列超分辨率重构算法。此外，结合现代电子技术的前沿成果，设计了多帧图像超分辨率重建算法的硬件实现方案，为图像重建算法的硬件加速及实现提供了理论基础和实验支撑。