８７８
计算机研究与发展２００９，４６（５）
Ｆｉｇ．３
ＲｅｇｉｏｎｃｒｏｐｐｅｄｆｒｏｍＭｏｂｉｌｅ＆Ｃａｌｅｎｄａｒｓｅｑｕｅｎｃｅ．（ａ）Ｎｅａｒｅｓｔ－ｎｅｉｇｈｂｏｒ（ｂ）Ｂｉｌｉｎｅａｒ，（ｃ）Ｔｈｅｓｔａｎｄａｒｄ
ａｌｇｏｒｉｔｈｍ，ａｎｄ（ｄ）Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ。
图３
Ｍｏｂｉｌｅ序列．（ａ）最近邻插值；（ｂ）双线性插值；（ｃ）标准ＭＡＰ算法；（ｄ）改进ＭＡＰ算法
ＴａｂｌｅＩ“ＶｅｒｓｕｓＩｔｅｒａｔｉｏｎＮｕｍｂｅｒｉｎｔｈｅＦｉｒｓｔＥｘｐｅｒｉｍｅｎｔ裹１在实验ｌ中砟随迭代次数的变化
ｅｒ
Ｉｔｅｒａｔｉｏｎ
ＴｈｅＳｔａｎｄａｒｄＡｌｇｏｒｉｔｈｍ
ＴｈｅＰｒｏｐｏｓｅｄＡｌｇｏｒｉｔｈｍ
原始高分辨率图像与重建高分辨率图像之间的平均绝对误差（ｍｅａｎ
ａｂｓｏｌｕｔｅ
ｅｒｒｏｒ，ＭＡＥ）定义为
１一Ｊ‘
ＭＡＥ＝专∑Ｉ，（＂ｌ，１＂１２）一ｆ（ｎｌ，竹２）Ｉ，（３０）一‘”Ｉ?”２）
其中，ｆ（ｎ，，以：）和ｆ（ｎ。，，ｌ：）分别表示原始高分辨率图像和重建的高分辨率图像，Ｎ为像素总数．相比ＭＳＥ，ＭＡＥ可以削弱较大的偏差点的影响．表２比较了图３（ｃ）和图３（ｄ）与原始高分辨率图像之间的ＭＡＥ，显然，两种算法得到的ＭＡＥ的差异是可忽
略的．
Ｔａｂｌｅ２
Ｃｏｍｐａｒｉｓｏｎｏｆ
ＭＡＥｉｎｔｈｅＦｉｒｓｔＥｘｐｅｒｉｍｅｎｔ
裹２在实验ｌ中ＭＡＥ的比较
Ａｌｇｏｒｉｔｈｍ
ＭＡＥ
Ｓｔａｎｄａｒｄ
Ｐｒｏｐｏｓｅｄ
６．５２４５６．５５０８
在实验２中，利用９帧分辨率为１４４×１７６的标准视频序列，重建参考帧的高分辨率图像，参数口＝１０，ＡⅢ＝２０／｜￡一愚Ｉ．图４（ａ）（ｂ）分别为Ｓｕｓｉｅ序列中某帧的最近邻插值和双线性插值图像，图４（ｃ）为用改进ＭＡＰ估计算法重建的高分辨率图像．从图４中可以明显地看出，图像中的细节得以增加，图像的清晰度得以增强．表３给出了ｅ，随迭代次数的变化．
卫ａｂｌｅ３
Ｂ
ＶｅｒｓｕｓＩｔｅｒａｔｉｏｎＮｕｍｂｅｒｉｎｔｈｅＳｅｃｏｎｄ
Ｅｘ胁ｅｎｔ
裹３在实验２中Ｐ，随迭代次数的变化
０．０４４７０．０２５０
０．００８ｌ
０．００４１０．００２６０．００１９０．００１５０．００１３０．００１１
Ｆｉｇ．４Ｓｕｚｉｅ
ｓｅｑｕｅｎｃｅ．（ａ）Ｎｅａｒｅｓｔ－ｎｅｉｇｈｂｏｒｉｎｔｅｒｐｏｌａｔｉｏｎ；（ｂ）Ｂｉｌｉｎｅａｒｉｎｔｅｒｐｏｌａｔｉｏｎ；ａｎｄ（ｃ）Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ．
图４
Ｓｕｚｉｅ序列．（ａ）最近邻插值；（ｂ）双线性插值；（ｃ）改进ＭＡＰ算法
肖创柏等：一种基于ＭＡＰ的超分辨率图像重建的快速算法８７９
可以看出，本文提出的改进算法是收敛的，而且
收敛速率是很快的．图５为Ｃｏａｓｔｇｕａｒｄ序列的彩色
（ｂ）实验效果图，从水波可以明显看出本文改进算法可以很好地恢复图像边缘和细节．
（ｃ）
Ｆｉ舀５Ｃｏａｓｔｇｕａｒｄｓｅｑｕｅｎｃ己（ａ）Ｎｅｓｒｅｓｔ－ｎｅｉｇｈｂｏｒｉｎｔｅｒｐｏｌａｔｉｏｎ；（ｂ）Ｂｉｌｉｎｅｓｒｉｎｔｅｒｐｏｌａｔｉｏｎａｎｄ（ｃ）Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ．图５Ｃｏａｓｔｇｕａｒｄ序列．（ａ）最近邻插值；（ｂ）双线性插值；（ｃ）改进ＭＡＰ算法
５结论
本文针对标准的ＭＡＰ估计算法运算量大的问题，提出了采用非精确一维搜索确定步长和简化梯度计算两点改进．实验结果表明，本文提出的改进在很大程度上提高了ＭＡＰ超分辨率图像重建的速率，同时保证了算法的收敛性和重建图像的质量．
参考文献
［ｉＪＳｃｈｕｌｔｔ＇ＲＲ，ＳｔｅｖｅｎｓｏｎＲＬ．Ｅｘｔｒａｃｔｉｏｎｏｆｈｉｇｈ—ｒｅｓｏｌｕｔｉｏｎｆｒａｍｅｓｆｒｏｍｖｉｄｅｏｓｅｑｕｅｎｃｅｓ口］．ＩＥＥＥＴｒａｎｓｏｎＩｍａｇｅ
Ｐｒｏｃｅｓｓｉｎｇ，１９９６。５（６）：９９６－１０１ｌ
［２］ＳｃｈｕｈｚＲＲ，ＳｔｅｖｅｎｓｏｎＲＬ．ＡＢａｙｅｓｉａｎａｐｐｒｏａｃｈｔｏｉｍａｇｅ
ｅｘｐａｎｓｉｏｎｆｏｒｉｍｐｒｏｖｅｄｄｅｆｉｎｉｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＩｍａｇｅ
Ｐｒｏｃｅｓｓｉｎｇ，１９９４，３（３）ｌ２３３—２４２
［３］ＨａｒｄｉｅＲＣ，ＢａｒｎａｒｄＫＪ。ＡｒｍｓｔｒｏｎｇＥＥ．ＪｏｉｎｔＭＡＰｒｅｇｉｓｔｒａｔｉｏｎａｎｄｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｅｓｔｉｍａｔｉｏｎｕｓｉｎｇａ
ｓｅｑｕｅｎｃｅｏｆｕｎｄｅｒｓａｍｐｌｅｄｉｍａｇｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＩｍａｇｅ
Ｐｒｏｃｅｓｓｉｎｇ，１９９７。１２（６）Ｉ１６２１－１６３３
［４］ＮｇｕｙｅｎＮ，ＭｉｌａｎｆａｒＰ。Ａｃｏｍｐｕｔａｔｉｏｎａｌｌｙｅｆｆｉｃｉｅｎｔｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍ口］．ＩＥＥＥ
ＴｒａｎｓｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ．２００１，４（８）：５７３—５８３
［５］ＺｈａｎｇＸｉｎｍｉｎｇ．ＳｈｅｎＬａｎｓｕｎ．Ｓｕｐｅｒ－ｒｅｓｏｌｕｔｉｏｎｒｅｓｔｏｒａｔｉｏｎｗｉｔｈｍｕｌｔｉ—ｓｃａｌｅｅｄｇｅ－ｐｒｅｓｅｒｖｉｎｇｒｅｇｕｌａｒｉｚａｔｉｏｎ口］．Ｊｏｕｒｎａｌ
ｏｆＳｏｆｔｗａｒｅ．２００３，１４（６）：１０７５－１０８ｌ（ｉｎＣｈｉｎｅｓｅ）
（张新明，沈兰荪．基于多尺度边缘保持正则化的超分辨率
复原［Ｊ］．软件学报。２００３，１４（６）。１０７５－１０８１）
［６ＪＴｉｐｐｉｎｇＭＥ，ＢｉｓｈｏｐＣＭ．Ｂａｙｅｓｉａｎｉｍａｇｅｓｕｐｅｒ－ｒｅｓｏｌｕｔｉｏｎ［ｃ］／／ＰｒｏｃＡｄｖａｎｃｅｓｉｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇ
Ｓｙｓｔｅｍｓ１５．ＣａｍｂｒｉｄｇｅｔＭＩＴＰｒｅｓｓ，２００３
［７］ＮａｂｎｅｙＩＴ．ＮｅｔｌａｂｓＡｌｇｏｒｉｔｈｍｓｆｏｒｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ［０Ｌ］．［２００３－１ｌ一１１］．ｈｔｔｐ．．／／ｗｗｗ．ｆ蜘蒈ａｓｔｏｎ．ａｃ，ｕｋ／ｎｅｔｌａｂ／
［８］ＺｈａｎｇＤｉ，ＰｅｎｇＨｏｎｇ．Ａｎｅｗｅｄｇｅ－ｅｎｈａｎｃｉｎｇｐｒｉｏｒｉｉｍａｇｅｍｏｄｅｌ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ。２００６，４
（６）ｔ４４０－４４３（ｉｎＣｈｉｎｅｓｅ）
（张地，彭宏．一种新的边界增强型图像先验模型［Ｊ］．信息‘与电子工程，２００６，４（６）；４４０－－４４３）
［９］ＳｈｅｎＨ，ＺｌｍｎｇＬ，ＨｕａｎｇＢ，ｅｔａ１．ＡＭＡＰａｐｐｒｏａｃｈｆｏｒｊｏｉｎｔｍｏｔｉｏｎｅｓｔｉｍａｔｉｏｎ，ｓｅｇｍｅｎｔａｔｉｏｎ，ａｎｄｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎ
［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，２００７，１６（２）：４７９－
４８９
［１０］ＣｈａｎｔａｓＧＫ，ＯａｌａｔｓａｎｏｓＮＰ，ＷｏｏｄｓＮＡ．Ｓｕｐｅｒ－ｒｅｓｏｌｕｔｉｏｎｂａｓｅｄｏｎｆａｓｔｒｅｇｉｓｔｒａｔｉｏｎａｎｄｍａｘｉｍｕｍａｐｏｓｔｅｒｉｏｒｉ
ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，２００７．
１６（７）ｔ１８２１－１８２９
［１１］ＨｕａｎｇＨｕａ，ＦａｎＸｉｎ，ＱｉＣｈｕｎ，ｅｔａ１．Ｆａｃｅｉｍａｇｅｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎｂａｓｅｄｏｎｒｅｃｏｇｎｉｔｉｏｎａｎｄｐｒｏｊｅｃｔｉｏｎ
ｏｎｔｏｃｏｎｖｅｘｓｅｔｓ口］．ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＲｅｓｅａｒｃｈａｎｄ
Ｄｅｖｅｌｏｐｍｅｎｔ，２００５。４２（１０）：１７１８－１７２５（ｉｎＣｈｉｎｅｓｅ）
（黄华。樊鑫。齐春。等．基于识别的凸集投影人脸图像超分
辨率重建［Ｊ］．计算机研究与发展．２００５．４２（１０）ｔ１７１８－
１７２５）
［１２］ＲｏｓｅｎＪ＆Ｔｈｅｇｒａｄｉｅｎｔｐｒｏｊｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｎｏｎｌｉｎｅａｒｐｒｏｇｒａｍｍｉｎｇ．ＰａｒｔＩｌｌｉｎｅａｒｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．Ｊｏｕｒｎａｌｏｆｔｈｅ
ＳｏｃｉｅｔｙｆｏｒＩｎｄｕｓｔｒｉａｌａｎｄＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，１９６０。８（１）ｌ
１８１－２１７
［１３］ＳｔｅｖｅｎｓｏｎＲＬ．ＳｃｈｍｉｔｚＢＥ，ＤｅｌｐＥＪ．Ｄｉｓｃｏｎｔｉｎｕｉｔｙｐｒｅｓｅｒｖｉｎｇｒｅｇｕｌａｒｉｚａｔｉｏｎｏｆｉｎｖｅｒｓｅｖｉｓｕａｌｐｒｏｂｌｅｍｓ［Ｊ］．
ＩＥＥＥＴｒａｎｓｏｎＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｒｎｅｔｉｃｓ．１９９４．２４
（３）：４５５－４６９
ＸｉａｏＣｈｕａｎｇｌｍｉ，ｂｏｒｎｉｎ１９６２．Ｐｈ．Ｄ．，
ｐｒｏｆｅｓｓｏｒ。ａｎｄＰｈ．Ｄ．ｓｕｐｅｒｖｉｓｏｒｏｆ
ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ．Ｓｅｎｉｏｒ
ｍｅｍｂｅｒｏｆＣｈｉｎａＣｏｍｐｕｔｅｒＦｅｄｅｒａｔｉｏｎ．
Ｈｉｓｍａｉｎｒｅｓｅａｒｃｈｉｎｔｅｒｅｓｔｓ
ｃｏｖｅｒｄｉｇｉｔａｌ
ｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ，ａｕｄｉｏａｎｄｖｉｄｅｏｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ，ａｎｄｎｅｔｗｏｒｋ
ｃｏｍｍｕｎｉｃａｔｉｏｎ．
８８０
计算机研究与发展２００９，４６（５）
肖创柏，１９６２年生，博士，教授，博士生导师，中国计算机学会高级会员、理事，主要研究方向为数字图像处理、数字信号
处理与音视频信号处理等．
ＹｕＪｉｎｇ。ｂｏｒｎｉｎ
１９８１．Ｒｅｃｅｉｖｅｄ
ｈｅｒＭ．
Ｓ．ｄｅｇｒｅｅｆｒｏｍＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙ
ｏｆＴｅｃｈｎｏｌｏｇｙ
ｉｎ
Ｊｕｌｙ
２００７．
Ｐｈ．
Ｄ．
ｃａｎｄｉｄａｔｅｏｆＴｓｉｎｇｈｕａ
Ｕｎｉｖｅｒｓｉｔｙ．Ｍｅｍｂｅｒ
ｏｆＣｈｉｎａＣｏｍｐｕｔｅｒＦｅｄｅｒａｔｉｏｎ．Ｈｅｒｍａｉｎｒｅｓｅａｒｃｈ
ｉｎｔｅｒｅｓｔｓ
ｃｏｖｅｒ
ｄｉｇｉｔａｌｉｍａｇｅ
ｐｒｏｃｅｓｓｉｎｇ，ｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ?ａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ．
禹晶，１９８１年生，博士研究生，中国计算机学会会员，主要
研究方向为数字图像处理、信号处理与模式识别．
ＸｕｅＹｉ，ｂｏｒｎｉｎ１９５８．Ｐｒｏｆｅｓｓｏｒｏｆ
Ｂｅｉｊｉｎｇ
Ｕｎｉｖｅｒｓｉｔｙｏｆ
Ｔｅｃｈｎｏｌｏｇｙ．Ｈｉｓ
ｍａｉｎ
ｒｅｓｅａｒｃｈ
ｉｎｔｅｒｅｓｔｓｃｏｖｅｒ
ｎｕｍｅｒｉｃａｌ
ｍａｔｈｅｍａｔｉｃｓ，ａｎｄｏｐｔｉｍｉｚａｔｉｏｎｔｈｅｏｒｙａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ．
薛敏，１９５８年生，教授，主要研究方向为
计算数学和最优化理论及其应用．
ＲｅｓｅａｒｃｈＢａｃｋｇｒｏｕｎｄ
Ｉｎｍｏｓｔ
ｅｌｅｃｔｒｏｎｉｃ
ｉｍａｇｉｎｇａｐｐｌｉｃａｔｉｏｎｓ，ｉｍａｇｅｓ
ｗｉｔｈ
ｈｉｇｈ
ｒｅｓｏｌｕｔｉｏｎ
ａｒｅ
ｄｅｓｉｒｅｄａｎｄｏｆｔｅｎ
ｒｅｑｕｉｒｅｄ．Ｔｈｕｓ，ａｈｉｇｈ
ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｃｏｕｌｄｃｏｎｔｒｉｂｕｔｅ
ｔＯ
ａ
ｂｅｔｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｒｅｇｉｏｎｓｉｎ
ａ
ｍｕｌｔｉ－ｓｐｅｃｔｒａｌｉｍａｇｅｏｒ
ａ
ｍｏｒｅａｃｃｕｒａｔｅ
ｌｏｃａｌｉｚａｔｉｏｎｏｆ
ａ
ｔｕｍｏｒｉｎ
ａ
ｍｅｄｉｃａｌｉｍａｇｅ，Ｏｒｃｏｕｌｄｆａｃｉｌｉｔａｔｅ
ａ
ｍｏｒｅｐｌｅａｓｉｎｇ
ｖｉｅｗｉｎ
ｈｉｇｈ
ｄｅｆｉｎｉｔｉｏｎｔｅｌｅｖｉｓｉｏｎｓ（ＨＤＴＶ）ｉｍａｇｅｓ．Ｔｈｅ
ｒｅｓｏｌｕｔｉｏｎｏｆ
ａｎ
ｉｍａｇｅｉｓ
ｄｅｐｅｎｄｅｎｔ
ｏｎ
ｔｈｅｒｅｓｏｌｕｔｉｏｎ
ｏｆｔｈｅｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｄｅｖｉｃｅ．ｈｏｗｅｖｅｒ，ｆｏｒｓｏｍｅｓｐｅｃｉａｌ－ｐｕｒｐｏｓｅ
ｉｍａｇｉｎｇｄｅｖｉｃｅｓｓｕｃｈ
ａｓ
ｍｅｄｉｃａｌｉｍａｇｉｎｇ，ｒｅｍｏｔｅ
ｓｅｎｓｏｒ
ｉｍａｇｉｎｇａｎｄｖｉｄｅｏｃａｐｔｕｒｉｎｇ，ｔｈｅａｃｑｕｉｒｅｄｉｍａｇｅｓ
ｃａｎｎｏｔ
ｏｆｔｅｎａｃｈｉｅｖｅ
ａ
ｈｉｇｈｅｒｒｅｓｏｌｕｔｉｏｎｂｅｃａｕｓｅｏｆｔｈｅｌｉｍｉｔａｔｉｏｎｏｆｉｍａｇｉｎｇｍｅｃｈａｎｉｓｍａｎｄｉｍａｇｉｎｇｓｅｎｓｏｒ．Ｔｈｅｒｅｆｏｒｅ。ａｎｅｗｔｅｃｈｎｉｑｕｅｃｏｍｅｓｉｎｔｏ
ｂｅｉｎｇｔｈａｔｇｉｖｅｎｔｈｅｒｅｓｏｌｕｔｉｏｎｏｆ
ａｎ
ｉｍａｇｅｓｅｎｓｏｒ，ｔｈｅｉｍａｇｉｎｇｒｅｓｏｌｕｔｉｏｎｉｓｅｎｈａｎｃｅｄｕｓｉｎｇ
ａｎ
ａｌｇｏｒｉｔｈｍｉｃｗａｙ．Ｔｈｅａｌｉａｓｉｎｇａｒｔｉｆａｃｔｓｗｈｉｃｈ
ｏｃｃｕｒ
ｗｈｅｎｔｈｅｓａｍｐｌｉｎｇ
ｒａｔｅ
ｉｓ
ｔＯＯｌｏｗｒｅｓｕｌｔｓｉｎｄｉｓｔｏｒｔｉｏｎｉｎｔｈｅｄｅｔａｉｌｓｏｆ
ａｎ
ｉｍａｇｅ，ｅｓｐｅｃｉａｌｌｙ
ａｔ
ｔｈｅｅｄｇｅｓ．
Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｒｅｉｓｌｏｓｓｏｆｈｉｇｈ－ｆｒｅｑｕｅｎｃｙｄｅｔａｉｌｓｄｕｅｔＯ
ｔｈｅｌｏｗｒｅｓｏｌｕｔｉｏｎｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎ（ＰＳＦ）ａｎｄｔｈｅｏｐｔｉｃａｌｂｌｕｒｒｉｎｇ
ｄｕｅ
ｔＯ
ｍｏｔｉｏｎ
ｏｒ
ｏｕｔ－ｏｆ－ｆｏｃｕｓ．Ｓｕｐｅｒ－ｒｅｓｏｌｕｔｉｏｎｉｎｖｏｌｖｅｓｓｉｍｕｌｔａｎｅｏｕｓｕｐ－ｃｏｎｖｅｒｓｉｏｎｏｆｔｈｅｉｎｐｕｔｓａｍｐｌｉｎｇｌａｔｔｉｃｅａｎｄｒｅｄｕｃｔｉｏｎ
ｏｒ
ｅｌｉｍｉｎａｔｉｏｎｏｆａｌｉａｓｉｎｇａｎｄｂｌｕｒｒｉｎｇ．ＴｈｅＢａｙｅｓｉａｎ
ＭＡＰａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄｂｙＳｃｈｕｌｔｚａｎｄＳｔｅｖｅｎｓｏｎｉｓｗｉｄｅｌｙｕｓｅｄｆｏｒ
ｓｕｐｅｒ—ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｗｈｅｒｅｔｈｅＭＡＰｅｓｔｉｍａｔｉｏｎｏｐｔｉｍｉｚｅｓａ
ｃｏｎｖｅｘ
ｆｕｎｃｔｉｏｎ．Ｓｏｆａｒ，ｅｘｉｓｔｉｎｇｓｕｐｅｒ－ｒｅｓｏｌｕｔｉｏｎ
ｍｅｔｈｏｄｓ
ａｒｅ
ａｌｌｃｏｎｆｒｏｎｔｅｄｗｉｔｈｔｈｅｐｒｏｂｌｅｍｏｆｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅａｎｄ
ｅｘｐｅｎｓｉｖｅｃｏｍｐｕｔａｔｉｏｎ．Ｔｏｓａｔｉｓｆｙｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｒｅａｌ—
ｏｃｃａｓｉｏｎａｐｐｌｉｃａｔｉｏｎｓ，ｔｈｉｓ
ｐａｐｅｒ
ｍａｋｅｓ
ａｎ
ａｔｔｅｍｐｔａｔ
ｆａｓｔａｌｇｏｒｉｔｈｍｓｆｏｒｓｕｐｅｒ－ｒｅｓｏｌｕｔｉｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．Ｔｈｅ
ｉｍａｇｉｎｇｓｃｈｅｍｅ
ｔｈａｔｆｕｓｅｓｍｕｌｔｉｐｌｅｉｍａｇｅｓｏｆｔｈｅｓａｍｅｓｃｅｎｅ
ｉｓ
ｖｅｒｙ
ｐｒｏｍｉｓｉｎｇｆｏｒｉｍｐｒｏｖｉｎｇｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎｆｕｒｔｈｅｒｂｅｙｏｎｄｔｈｅｐｈｙｓｉｃａｌｌｉｍｉｔ
ｏｆｅｘｉｓｔｉｎｇ
ｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｄｅｖｉｃｅｓ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆ
Ｂｅｉｊｉｎｇ（Ｎｏ．４０７２００４）．
一种基于MAP的超分辨率图像重建的快速算法
作者：肖创柏， 禹晶， 薛毅， Xiao Chuangbai， Yu Jing， Xue Yi
作者单位：肖创柏,禹晶,Xiao Chuangbai,Yu Jing(北京工业大学计算机学院,北京,100124)， 薛毅,Xue Yi(北京工业大学应用数理学院,北京,100124)
刊名：
计算机研究与发展
英文刊名：JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
年，卷(期)：2009，46(5)
引用次数：0次
参考文献(13条)
1.Schultz R R.Stevenson R L Extraction of high-resolution frames from video sequences 1996(06)
2.Schultz R R.Stevenson R L A Bayesian approach to image expansion for improved definition 1994(03)
3.Hardie R C.Barnard K J.Armstrong E E Joint MAP registration and high-resolution image estimation using a sequence of undersampled images 1997(06)
4.Nguyen https://www.doczj.com/doc/7317488170.html,anfar P A computationally efficient superresolution image reconstruction algorithm 2001(08)
5.张新明.沈兰荪基于多尺度边缘保持正则化的超分辨率复原[期刊论文]-软件学报 2003(06)
6.Tipping M E.Bishop C M Bayesian image super-resolution 2003
7.Nabney I T Netlab:Algorithms for pattern recognition 2003
8.张地.彭宏一种新的边界增强型图像先验模型[期刊论文]-信息与电子工程 2006(06)
9.Shen H.Zhang L.Huang B A MAP approach for joint motion estimation,segmentation,and super
resolution 2007(02)
10.Chantas G K.Galatsanos N P.Woods N A Super-resolution based on fast registration and maximum a posteriori reconstruction 2007(07)
11.黄华.樊鑫.齐春基于识别的凸集投影人脸图像超分辨率重建[期刊论文]-计算机研究与发展 2005(10)
12.Rosen J B The gradient projection method for nonlinear programming.Part I:linear constraints 1960(01)
13.Stevenson R L.Schmitz B E.Delp E J Discontinuity preserving regularization of inverse visual problems 1994(03)
相似文献(10条)
1.期刊论文陈博洋.陈凡胜.郭强.CHEN Bo-yang.CHEN Fan-sheng.GUO Qiang基于MTF的影响超分辨率图像重建效
果的因素分析-红外技术2009,31(4)
从超分辨率图像重建技术在工程中应用的角度出发,总结了图像采集仪器获取满足超分辨率图像重建技术需求的满足特定相位相关的原始图像序列方法,从理论上导出了由于仪器精度问题带来的原始图像序列相位关系对超分辨率图像重建效果的影响公式,统一了传统探测和亚像元探测的关系,也说明了超分辨率图像重建技术选择图像序列具有50%像元位移的原因.
2.学位论文张艳空间域超分辨率图像重建技术研究2007
超分辨率图像重建技术能够综合利用多帧离散图像、多组视频序列、或单帧图像与训练样本图像之间的互补信息，重建质量更好、空间分辨率更高的图像数据，弥补原有图像数据空间分辨率的不足，提高图像空间解像力和清晰度。超分辨率图像重建技术可应用于军事遥感侦察、目标识别与定位、目标动态跟踪与监测、天文观察、公安侦破和交通监视等诸多领域，具有广泛的应用前景，该技术的研究具有重要的理论与实用意义。
本文对空间域超分辨率图像重建处理的理论和技术方法进行了系统的研究和试验，具体在多帧离散图像超分辨率重建技术、视频序列超分辨率重建技术和单帧图像超分辨率重建技术三个方向开展了比较深入的研究，主要工作和创新点如下：
1.对超分辨率图像重建技术的概念、内涵和研究背景进行了阐释，归纳了多帧离散图像、视频序列和单帧图像的超分辨率重建技术这三个研究方向，分析和总结了其发展历程、研究现状和存在的问题。
2.在深入分析光流估计法特性的基础上，提出了附加运动方向光滑约束条件的光流法 OFMOSC和基于金字塔的分步光流法MSOPF，提高了几何变形较小时运动参数估计的准确性和可靠性，可避免运动边缘过度平滑造成的重建图像细节损失。
3.在对各种块匹配搜索策略分析比较的基础上，提出了基于双十字精化搜索策略DCRS的块匹配算法，有效地提高了匹配速度，并同时确保几何变形较大时运动估计结果的准确性和可靠性。
计重建图像的初值作为先验模型建立基础；(2)设计了MAP未知参数的最大似然估计ML方法，深入分析了参数特性，形成了附加参数估计的改进MAP算法；(3)设计了改进MAP算法的整体EM优化处理流程。通过对模拟图像、卫星遥感图像和视频图像的系列试验证明，改进的MAP算法可以显著提高图像空间分辨率，明显增强边缘特征。对于卫星遥感图像，重建效果尤为突出。
5.在深入研究凸集投影POCS超分辨率重建算法的基础上，提出了改进后的POCS算法。改进点包括：(1)利用APEX盲解卷积算法提供高质量重建图像初值；(2)提出了能量非递减性约束集和相应的投影操作，避免重建图像出现能量异常；(3)引入Butterworth低通滤波器削弱POCS重建图像的边缘振铃效应。试验证实，改进的POCS方法能有效增强图像空间分辨率，突出图像的纹理特征信息。对于信息含量极少的压缩视频监控图像，重建效果最为显著。
6.设计并实现了视频序列超分辨率重建算法体系，包括：运动模糊来源分析、视频序列成像模型建立、多组视频序列配准、重建目标函数建立和重建实现流程。针对真实视频录像的重建试验证实，视频序列超分辨率重建技术可以有效增强视频序列的空间分辨率。
7.将模式识别方法引入超分辨率图像重建中，形成了一种单帧图像超分辨率重建算法——IRecogstruction算法，并提出了三点改进： (1)采用二进制有限正交小波变换对图像进行滤波分解，以充分利用图像的空间尺度信息和方向信息构建识别特征；(2)提出了局部最优匹配法，可有效减少全局搜索的计算量和复杂度；(3)提出了最佳匹配训练图像的概念和构成方式，简化了后续目标函数建立和迭代计算过程。通过对实际视频监控图像的重建处理试验，初步证明了该算法的有效性。
3.期刊论文邹莹.周诠.袁琪.李映.赵荣椿.ZOU Ying.ZHOU Quan.YUAN Qi.LI Ying.ZHAO Rong-chun基于正则化的
超分辨率图像重建方法及其实现-测控技术2009,28(z1)
超分辨率图像重建是用同一景物的若干低分辨率图像通过数字图像处理技术获取其高分辨率图像的一种技术.介绍了基于正则化方法的超分辨率图像重建的研究现状和以正则化为基础的几种重建方法在近几年的研究和发展趋势.在此基础上,实现了一种遥感图像的正则化超分辨率重建算法,实验验证了方法的有效性.
4.学位论文庞博图像插值技术及其在超分辨率图像重建中的应用2005
超分辨率技术(SuperResolutionSR)，也称为HighResolution(HR)，是图像处理领域的一个重要技术。普通的图像重建技术如去卷积技术只能将物体的频率恢复到相应的截止频率处，这样截止频率之外的能量和信息就不得不丢失了。超分辨率技术就是试图将截止频率之外的信息恢复，使图像尽量恢复场景真实性的技术。超分辨率技术已经在近年来国际上图像复原领域成为最活跃的研究课题。超分辨率技术(可以看成是一个视觉的逆过程)特指由一个序列低分辨率噪声图像来估计一幅或是一系列较高分辨率的原图像，同时还要能消除噪声以及光学元件产生的模糊。
在超分辨率图像重建的过程中，插值方法是很重要的一个因素，它可以消除采样误差以及虚假响应，但是插值可能会以系统性能损耗和增加计算复杂性为代价，而且不同的插值方法会使图像重建最终的结果有很大的差异。
本文围绕频域超分辨率图像重建计算模型展开，主要研究内容包括：针对传统图像插值技术以及新兴图像插值技术分析了图像插值技术的分类以及不同方法的特点，并分析了各自的优缺点及其适用场合，从图像采样的角度分析了图像插值的必要性和重要性。论文通过传统方法和一些改进方法的比较，并通过实验说明了插值技术在图像处理中的作用。
研究并分析了国内外最新的超分辨率技术现状，针对当前图像成像系统分析了超分辨率技术的必要性和实用性，在总结和整理的基础上，针对目前超分辨率图像重建技术的技术分类和特点，重点分析了频域方法与空域方法的优缺点以及在理论和实际结合的基础上阐述了目前该技术的不足以及发展。
针对图像插值技术与图像超分辨率重建技术的结合，在运动信息估计计算模型的基础上，利用多帧低分辨率序列图像重建实验说明了插值技术在图像超分辨率重建中的重要性。
5.期刊论文陈博洋.CHEN Bo-yang超分辨率图像重建分析和应用-红外2006,27(3)
高分辨率图像是人们一直追求的目标.超分辨率图像重建技术就是人们获取高分辨率图像的一种很重要的方法.本文分析了超分辨率图像重建的原理,总结了各种重建方法的特点,指出超分辨率图像重建的发展历史、应用场合和前景.
6.学位论文徐鹏宇超分辨率图像重建研究2009
超分辨率图像重建是指从一系列有噪声、模糊及欠采样的低分辨率图像序列中恢复出一幅高分辨率图像的过程。
本文首先探讨了超分辨率图像重建研究的发展过程，根据超分辨率重建技术的基本原理和相关内容，总结出两类比较常用的图像观测模型。
根据图像可周期拓展的性质，本文对图像的观测模型进行变换，将超分辨率图像重建过程分解为两个子过程，即观测数据融合过程和滤波估计去模糊过程。这在保证重建质量的前提下，有效降低了编程复杂度和计算代价。
作为超分辨率图像重建的基本出发点，在图像配准上，本文介绍了D.Keren高斯金字塔配准法，并探讨了另一种基于光流场分布，采用区域统计来获得可精确到亚像素级运动估计的确定性光流配准法。
在观测模型和图像配准的基础上，分别研究了移动曲面拟合、自适应滤波-最小均方估计、最大后验概率框架、图像先验模型和正则化在超分辨率图像重建中的应用。研究过程中，重点针对传统的基于最大后验概率框架的算法所采用的会导致重建图像细节损失的Gaussian模型作为图像先验模型的问题，提出采用Huber-Markov随机场模型作为图像的先验模型，并对无方向的HMRF模型进行改进，提出了具有方向性平滑约束的DHMRF模型，融入到正则化项中，一方面保证病态问题求解的收敛性和稳定性，另一方面更多地保存图像内物体的边缘信息。实验结果表明，本文方法弥补了HMRF模型的无向性
，使得最终的重建图像不仅能有效抑制噪声和模型误差，而且能更好地保留图像细节，提高重建图像质量。
7.期刊论文基于低层次计算机视觉的超分辨率图像重建-计算机工程与应用2009,45(29)
在基于低层次计算机视觉的超分辨率图像重建过程中,角点检测和插值是两个关键的技术.首先在SUSAN角点检测算法的基础上提出了改进算法,改进后的算法根据图块对比度的不同,在确定位于不同图块中的像素的USAN面积时采用了可变灰度阈值,可变灰度阈值的采用,使得检测出的角点分布更加均匀,而角点分布均匀则使得图像配准更加精确,有利于后期的重建工作.其次,提出了一种适合于超分辨率图像重建的插值算法:基于圆区域的自适应插值算法.该算法可以根据待插值点周围的灰度特征自适应决定插值策略,将线性插值、最邻近插值和中值插值法有机地结合在一起.大量的仿真实验证明了提出算法具有运算量小、图像重建后的效果出重,易于实现.
8.学位论文肖杰雄基于POCS算法的超分辨率图像重建2009
在许多应用情形下，人们总是需要得到更高质量的图像。但在实际成像过程中，由于受到成像系统、外界环境及成像技术等很多因素的限制，导致图像退化，使我们所获得的图像效果并不理想。而实际应用中，我们对图像质量的要求却越来越高，于是，如何有效地恢复出原始图像或者说是复原出我们所期望的图像，就成为图像处理中一个重要的问题。数字图 像在形成过程中受运动模糊、点扩散模糊、欠采样及噪声等因素的影响而产生降质。为了改善降质退化图像的质量，提高分辨率，常采用图像的超分辨率重构处理技术进行处理。超分辨率图像重构是指将一系列各自包含一部分不同图像细节的相似低分辨率图像通过一定方法融合成一幅高分辨率图像的处理方法。对于一定的数字成像系统，通过超分辨率图像重构可以得到高质量的图像而不需要提高系统的硬件性能，因此它可以被广泛应用于图像处理的各种领域中。
超分辨率图像重构算法可以分为两大类，即频域算法和空间域算法。频域算法是早期的超分辨率重构算法，只能对全局位移的图像序列进行处理
，空间域算法使用通用的观察模型，具有更好的适应性和重构效果，是目前的主要研究方向。其中POCS算法利用投影至凸集的原理进行图像重构，算法直观而且有效，是最有前途的超分辨率重构算法之一。
本论文对单帧低分辨率图像及序列低分辨率图像超分辨率重建算法进行了深入研究。在单帧超分辨率重建算法中，首先介绍了传统的插值算法，接着主要研究了基于小波变换的超分辨率重建方法，根据图像小波变换和插值处理的特点，本文提出了一种将小波分解与PDE插值算法相结合的图像超分辨率重建方法。实验结果表明了采用PDE插值的小波方法对于改善图像分辨率的有效性和可行性．
在序列图像超分辨率重建算法中，本文对POCS方法做了比较细致的研究，对影响该方法复原结果的因素(如运动估计、循环次数、阈值大小等)进行分析。针对用常规POCS算法重建的高分辨率图像中出现的导致图像边缘质量下降的现象，分析了图像边缘模糊形成的原因，对算法进行了改进，提出了边缘保持的POCS算法，用基于梯度的插值算法来获取POCS的初始值，实验结果表明，该方法能够得到较好的视觉效果，明显地提高重建图像的边缘质量。
9.期刊论文邓乾国.游志胜.DENG Qian-guo.YOU Zhi-sheng基于凸集投影算法的超分辨率图像重建技术-成都信
息工程学院学报2005,20(6)
图像的空间分辨率是评价图像质量的腋龉丶灾副?也是图像应用中举足轻重的一个参数.然而在图像获取的过程中,诸多因素均会导致图像质量的下降或退化.解决这一问题的一种有效办法就是超分辨率图像重建技术,介绍了超分辨率图像重建技术,对其两种主要的方法进行了分析,给出了凸集投影算法的步骤并通过实验数据进行了图像重建的验证.
10.学位论文周卫峰多帧图像复原和超分辨率图像重建方法研究2007
本文在回顾了目前已有的超分辨率图像重建算法基础上，对超分辨率问题建立了观测模型，讨论了其中的关键问题，同时利用超分辨率和图像复原算法的密切相关性，有效地将在图像复原中得到成功应用的技术引入超分辨率问题中来。
在超分辨率图像重建中，各观测低分辨率图像之间存在相对运动，需要将它们配准到某一帧参考图像上去，并且要求达到亚象素精度，论文详细分析了两种运动估计方法：基于光流限制条件的多尺度像素递归运动估计方法和基于尺度不变特征变换的特征点匹配算法来满足重建的需要。
从数学上来说，超分辨率图像重建问题是一个病态问题，为了克服其病态性，需要对其进行规整化，其中最常用的Tikhonov规整化方法，但这种规整化会导致重建高分辨率图像边界被模糊。论文引入了一种重建过程中能有效保持图像边界的规整化方法——总变分规整化对重建图像进行约束，改善重建效果。
本文链接：https://www.doczj.com/doc/7317488170.html,/Periodical_jsjyjyfz200905021.aspx
下载时间：2010年6月13日