一、两帧图像合成的“亚象元”方法（论文文献综述）
穆绍硕[1]（2017）在《基于多帧影像的航空超分辨成像技术研究》文中研究说明随着航空光电载荷的高速发展,更大的画幅、更高的图像分辨率以及更远的作用距离成为航空光电载荷不断追求的目标,但受体积、重量、功耗以及光学系统成像过程中引起的欠采样、运动模糊及噪声等因素影响,航空图像分辨率不能满足实际应用的需求,因此获取高分辨率（HR）航拍图像已成为当今航空领域的热点和难点。提高图像分辨率最直接的方法是采用高分辨率CCD相机,但受工艺水平以及相机图像数据传输速率的限制,通过高分辨率CCD相机采样得到的图像分辨率的能力是十分有限的。近年来,通过信号处理方式提升图像分辨率,即超分辨技术受到广泛关注。超分辨技术即是在不改变原有硬件成像系统基础上,仅通过软件方法,也就是利用信号处理的方法将一幅或多幅包含相似信息而细节不同的低分辨率（LR）图像重构成一幅高分辨率图像。"超"即是克服传统低分辨成像系统固有衍射极限,获取超出光学系统衍射极限以外的空间频率信息,实现进一步提高分辨率的工程应用目的。本文首先介绍超分辨成像技术的研究背景和工程应用,系统的总结、分析和比较了超分辨成像技术的物理成像模型、方法类别和评价体系。在建立的成像模型基础上,针对现有超分辨算法运算复杂度,边缘模糊,图像失真等问题,以多帧航空影像为研究对象,围绕多帧图像的超分辨成像技术主题展开了深入研究。主要研究工作如下:1.为进一步提高拍摄图像的分辨率,提出一种改进的Papoulis-Gerchberg超分辨算法,新算法提出边缘检测方法,可以改善传统方法空间复杂度和重构图像边缘模糊的问题,新算法在原有的算法基础上融于边缘检测,针对多幅同一场景输入图像,在每次Papoulis-Gerchberg迭代过程加入坎尼检测,同时将每步的重构误差投影到下一步重构过程,降低了算法空间复杂度,能有效恢复丢失的边缘高频信息。与现有的经典超分辨重构方法相比,本算法反映图像质量的峰值信噪比和灰度标准差更高,去除了原始重构方法图像边缘叠影现象,有效提高了原始输入图像的分辨率。2.研究了软硬件相结合的超分辨成像技术,首先用探测器扫描获得同一场景的彼此错位亚象元像素的多帧图像作为训练样本和输入图像,然后针对传统局部线性嵌入（LLE）实例学习超分辨算法过于依赖外部训练样本,不利于光电成像系统直接处理等缺点,提出一种基于自学习的改进局部线性嵌入（LLE）算法,采用新的LLE权值计算方法以获得正数权值,同时对初始估计再次运用自学习LLE方法恢复丢失的高频细节信息,最终能获得高质量的重构图像,能满足高质量高分辨率的成像需求。3.针对基于字典学习超分辨重构方法需要大量的HR-LR图像训练冗余字典,且若选取的HR-LR训练图像不含有待重构低分辨图像的频率信息,重构出的高分辨图像会造成失真等缺点,提出自学习字典的多幅超分辨率重构方法,用待重构的多幅同一场景不同运动参数的低分辨率图像做为输入图像和训练图像,分块学习字典,重构出高一尺度图像,并加入到训练图像中,如此依次逐级构造不同尺度图像做为训练图像集,最终重构出达到或最接近目标图像尺度大小的多幅高分辨率图像。最后利用NLM思想将得到的多幅高分辨率图像融合成一幅目标图像尺度大小的最终重构高分辨率图像。仿真实验结果表明,本文算法的重构图像信噪比更高,细节细腻,能从拍摄图像中获得更清晰的高分辨图像。4.提出一种基于自适应的高性能超分辨算法,通过将基于学习与基于重构的超分辨算法相结合,充分利用两者的优点,本文不需外部训练图像,首先以输入图像做为训练图像创建字典块集,其次在训练获得的训练块集中利用自适应学习方法获取HR图像块中心点像素值,然后利用高频恢复方法重构丢失的高频边缘信息,最后结合基于重构方法,提出用边缘做为先验知识满足重构约束,获取最终的高分辨重构图像。本文算法同时解决了基于重构算法边缘模糊和基于学习算法失真的缺点,获得了高质量的高分辨率图像,对于提升航空图像分辨率具有很重要的意义。本文针对目前各种超分辨算法的失真模糊等一系列问题,围绕多帧影像超分辨成像技术进行了探索,取得了阶段性成果,这些成果为进一步的工程实践和成熟应用提供了理论基础,对航空图像超分辨成像具有一定指导意义。
杨文波[2]（2014）在《航空图像超分辨率重构技术研究》文中研究指明随着航空技术日新月异的发展，航空成像技术已经在地形测绘、土地和森林资源调查、城市建设、铁路和公路建设以及军事侦察等诸多领域得到了广泛的应用。但在航空摄影的过程中，图像的质量受诸多因素的影响。由于受太阳光散射引起的空中雾的亮度、航空摄影中飞机的震动、曝光时间内飞机运动引起的像点移位、成像系统物镜的残余像差、感光材料的性能以及飞行姿态等因素影响，使实际获得图像的分辨率较低，图像质量较差。因此，研究航空图像的超分辨率重构，从图像处理的角度提高航空图像的分辨率，具有重要的应用意义。本文着重研究航空图像超分辨率重构的一些关键技术问题，研究成果如下：（1）单帧图像超分辨率重构。同一场景不具备拍摄多帧图像的条件，针对这一问题，本文重点研究了线性插值、3次Ｂ样条插值、O-MOMS插值和Keys插值四种多项式插值重构算法，给出了四种线性空间移不变的多项式插值公式，但是线性空间移不变插值技术易导致图像边缘平滑，为了解决这一问题，本文提出了一种线性空间移变自适应插值算法，该算法是对有偏距离插值算法的改进，对多项式插值中的像素值赋以不同权值，像素值的权值因子大小取决于其邻域像素值不一致性，权值因子能使图像局部均匀一致，有助于保持图像局部连续性，提高重构图像的质量。（2）序列图像超分辨率重构。本文将互信息配准技术应用到航空图像序列的配准中，用来提高图像配准的精度与鲁棒性。针对航空图像大数据量的特点，本文提出了一种基于先验信息的超分辨率重构算法。该算法把图像复原和信息融合分开处理来提高运算效率，利用比较简单的非迭代算法进行图像复原，再用小波变换的方法将图像序列中所包含的冗余信息和互补信息融合到一帧图像中，最后用多项式插值重构高分辨率图像。该算法的核心是去模糊，由于模糊矩阵是分块Toeplitz循环阵，因此存在非奇异矩阵使其对角化，避免了对大型稀疏矩阵直接求逆，加快了运算速度。本文分别给出了线性最小均方误差法、最大信息熵法、正则化方法三种去模糊的非迭代数值算法。针对航空图像模糊核有时难以进行有效的估计，导致观测模型无法精确的建立，本文提出了一种基于最大公因子法的盲超分辨率重构算法。该算法把图像复原和信息融合分开处理，是以模糊核的盲估计为基础的。对于图像的盲复原，本文采用二维最大公因子盲复原算法，由于二维最大公因子盲复原算法仅针对两帧图像进行恢复而非整个图像序列，因此本文通过序列图像的每一帧信息，重新生成一帧集合了所有图像中的信息的观测图像，给出了序列图像的二维最大公因子盲复原算法。（3）亚像元成像增加探测器的时间和空间采样频率，可以提高亚像元成像系统空间分辨率。但是探测器采集到的数据有混叠，重构得到的高分辨率图像发生模糊，分辨率远未达到理想值，为了解决这一问题。本文提出一种针对多线阵亚像元成像的超分辨率重构算法。首先，在高分辨率网格上建立插值模型；然后，辨识插值重构图像在线阵列方向和扫描方向的模糊核，得到整幅图像的模糊核；最后，采用带有Neumman边界条件的梯度平滑正则化模型去除模糊。
贾苏娟[3]（2013）在《视频图像超分辨率重建算法研究》文中研究指明超分辨率重建（Super Resolution Reconstruction，SRR）技术是指利用非冗余的低分辨率图像序列通过一定算法融合成一幅高分辨率图像的过程。该项技术的本质是利用时间带宽换取空间分辨率。与传统插值方法相比，超分辨率重建技术能够获得细节信息更加丰富的清晰图像。无论是在视频监控、医疗诊断、遥感成像等民用领域还是在制导、网络传输、军事预警等军事领域，该项技术都起到重要作用。本文主要对超分辨率重建技术的关键环节进行研究，主要内容包括以下三个部分：1)序列图像配准一直是超分辨率重建的关键，配准速度与精度直接影响算法好坏与重建图像的质量。为了提高序列图像配准速度，本文重点研究了基于特征点的运动估计算法，提出一种基于VP-Tree数据索引的SURF特征匹配算法。在提取图像SURF特征之后，对得到的特征向量首先建立VP-Tree数据索引，之后按照预定搜索策略进行相似点对搜索从而完成配准。该研究解决了序列图像快速配准的问题，为后续基于重建的算法研究奠定基础。2)针对视频图像运动区域的重建问题，本文在分析非局部均值超分辨率重建算法的优缺点后，提出一种自适应非局部均值超分辨率重建算法。算法首先采用运动检测算法区分出视频的运动及静止区域。对于处于运动区域的像素，减小构成搜索域的图像帧数并且减小用于计算权重的图像块的尺寸。由于改进算法对静止区域及运动区域像素区别对待，因此有效改善了视频运动区域的重建效果，提高了运动区域重构图像的平滑度，减少了“块效应”。3)当获取视频过程中遇到外界光照变化、相机自动调节等因素时，难免造成视频序列曝光量变化，导致图像光度不均匀。当光度在帧间变化（即帧内光度均匀、但是每幅图像光度均不相等）时，本文在进行几何配准后首先建立仿射光度配准模型，其次采用传统MAP算法进行重建；当光度在帧内变化（即图像中存在局部曝光过度或局部曝光不足的区域）时，在进行几何配准之后，首先基于直方图计算光度函数，其次采用双边正则化MAP算法进行重建。实验表明，两种算法都能在重建高分辨率图像的同时消除光度差异，取得良好的重建效果。
龙云利[4]（2012）在《天基红外监视系统目标检测与跟踪技术研究》文中指出天基红外目标监视系统综合了天基平台和红外传感器两者的优势，具有探测距离远、覆盖范围广、测量精度高、隐蔽性强等优点，已成为空间目标跟踪监视的主要途径。本文针对天基红外目标监视系统中的单传感器像平面目标轨迹检测与跟踪问题进行研究，重点探讨了探测图像的非均匀性校正与背景杂波抑制、像平面多目标数据关联与轨迹跟踪、弱小多目标轨迹检测前跟踪等关键技术。论文的主要工作如下：第二章探讨了探测图像的非均匀性校正与背景杂波抑制问题。首先，针对探测图像的非均匀性校正问题，提出了一种改进的单帧场景类神经网络快速校正算法。仿真实验结果表明，所提算法相对传统的神经网络校正等算法具有更好的校正精度和收敛速度。其次，针对高轨静止平台探测中的背景杂波抑制问题进行研究，提出了基于Markov自回归模型的时空域融合抑制算法（Markov-SPAT）和基于约束序贯M估计的时空域融合抑制算法（M-SPAT）。仿真实验结果表明，所提算法相对艾斯卡尔等人的时空分级融合滤波、Tartakovsky等人的时空域融合滤波等算法，在背景杂波抑制、目标信号保持和信噪比改善等方面得到了改善。最后，针对中低轨运动平台探测中的背景杂波抑制问题进行研究，探讨了基于MHD-PSO特征图像配准的时空域融合抑制算法和基于平台运动参数的时空域融合抑制算法。仿真实验结果表明，所提两种算法优于已有的空域滤波等算法。相比而言，基于平台运动参数的时空域融合抑制算法具有更好的实时性。本章为后续章节的研究提供了支撑。第三章研究了高信噪比条件下像平面多目标数据关联与轨迹跟踪问题。首先，针对推扫型和锥扫型传感器两种不同工作模式，建立了像平面目标轨迹的运动模型和观测模型。其次，针对推扫型传感器重点研究了基于重要度采样-马尔可夫链蒙特卡洛（IS-MCMC）算法的多目标数据关联与跟踪技术，实现了目标轨迹的存在性检测和维持跟踪。通过仿真实验对算法的有效性进行了验证，并对算法性能进行了对比分析。仿真实验结果表明，相比于MHT、MCMC、SMC-PHD等算法，所提的IS-MCMC算法具有更好的数据关联和目标轨迹检测跟踪性能。最后，针对锥扫型传感器非线性观测环境，提出了基于扩展无味卡尔曼滤波与改进型积分概率多假设跟踪（AUKF-OIPMHT）的多目标数据关联与跟踪算法。进一步针对像平面非线性运动目标，结合交互多模型（IMM）方法，提出了IMM-OIPMHT算法。仿真实验结果表明，相比IS-MCMC、IPMHT等算法，IMM-OIPMHT具有更稳健的跟踪性能。第四章研究了低信噪比条件下像平面弱小目标轨迹的检测前跟踪（TBD）问题。首先，建立了弱小目标检测前跟踪处理中的像平面目标运动与观测模型。其次，对单目标多模型粒子滤波检测前跟踪（MM-PF TBD）算法进行了优化，并提出了启发式MM-PF TBD算法，将MM-PF扩展应用到未知目标数目、目标出现与消失时刻的天基红外目标监视系统中。仿真实验结果表明，所提启发式MM-PF算法相比于MM-PF、直方图概率多假设跟踪（H-PMHT）、动态规划（DPA）等已有TBD算法具有更优的检测跟踪性能。最后，为解决多目标环境中启发式MM-PF算法由于迭代搜索导致的计算效率下降问题，尝试将近年兴起的概率假设密度检测前跟踪算法（PHD TBD）引入到本文中。针对天基红外监视系统中的像平面非线性运动弱小目标轨迹的检测跟踪问题，在对PHD进行改进的基础上，结合多模型思想，提出了MM-PHD TBD算法。仿真实验结果表明，所提MM-PHD算法与启发式MM-PF算法性能相当，均优于PHD、H-PMHT、DPA等TBD算法。
杨学峰[5]（2011）在《遥感图象频域和空域超分辨重建技术研究》文中进行了进一步梳理图象分辨率是图象质量的重要指标之一。遥感图象是很重要的一类图象,其分辨率的高低对目标识别和精确判读有重要影响。图象超分辨重建是指利用同一场景的一帧或多帧低分辨率图象重建一帧或多帧高分辨率图象的技术。本文针对遥感图象特点及其超分辨需求,在不改变成像系统硬件条件的情况下,分别在频域和空域对图象超分辨重建技术进行创新性研究。在遥感图象频域超分辨重建技术方面,以两帧输入为重点,利用基于频谱扩展与补偿的单帧超分辨算法和再采样函数突破频域解混叠方法的两个限制条件:输入低分辨率帧数要求最少四帧和帧间亚像素位移满足一定的关系,建立改进的频域解混叠方法。首先对基于频谱扩展与补偿的单帧超分辨算法进行改进。提出频谱变换与增强滤波器,在振铃程度较小时执行该滤波器,使得在不降低超分辨效果的同时大大减少运算量;利用五次多项式拟合提出表示振铃程度的控制参数P值的自适应设置方法,使得对图象振铃程度的检测更为准确和方便,建立了改进的单帧超分辨算法。在改进的两帧输入频域解混叠方法中,首先利用建立的单帧超分辨算法对两帧输入低分辨率图象分别执行行和列各放大四倍模式的单帧超分辨,再利用高斯再采样函数对单帧超分辨结果分别进行行和列1/4模式的下采样,得到和原输入低分辨率图象具有同样分辨率等级的32帧图象,突破了频域解混叠算法对帧数的限制条件;研究了帧的挑选方法,从32帧中挑选满足位移限制条件的12帧图象执行频域解混叠算法,从而突破了算法对帧间位移的限制条件。一系列实验结果表明,模拟遥感的仿真实验可使图象的PSNR提高68dB;真实两帧输入的实验可使结果图象相对输入图象的对比度改善达到1112dB;可以将2.0m和3.0m分辨率的遥感图象分辨率分别提高1.54倍和1.77倍以上。在遥感图象空域超分辨重建技术方面,依次对泊松最大后验概率（PMAP, Poisson Maximum A-posteriori Probability）估计技术、凸集投影（POCS, Projection Onto Convex Sets）估计技术以及PMAP/POCS融合优化超分辨重建技术进行创新性的研究,以求达到更好的超分辨效果。根据遥感图象概率分布满足泊松（Poisson）分布的特点,对PMAP估计技术进行改进研究。通过深入分析经典PMAP估计方法的特点和限制条件,进行了三方面的改进:加入下采样算子和位移算子使其适用于更一般的成像模型,同时也提高了超分辨效果;引入Tukey正则化项,使可能出现的“病态”问题转变为“良态”问题;在迭代运算过程中采用逐像素选择的方法,使不满足鲁棒性要求的像素点对像素更新不起作用,使其具有了更强的鲁棒性。进而,建立鲁棒性的RGPMAP（Robust Generalized PMAP）超分辨重建算法。实验结果表明,所建立的RGPMAP算法具有良好的超分辨效果和很强的鲁棒性,可使具有0.4像素配准误差或25dB噪声的2/4帧输入超分辨结果的PSNR值提高58dB和810dB以上;而该配准误差和噪声对RGPMAP算法结果影响很小,在0.7dB以内。同样,针对传统POCS估计技术鲁棒性差的缺点,增加一个高分辨率的退化图象与输入低分辨率图象对应像素之差的阈值,进行逐像素挑点操作,仅使满足条件的像素点执行POCS算法,从而建立鲁棒性的RPOCS（Robust POCS）超分辨重建算法。实验结果表明,所建立的RPOCS算法,不但具有较强的鲁棒性,而且具有更好的超分辨处理效果,可使具有0.4像素配准误差和25dB高斯噪声的2/4帧输入超分辨结果的PSNR值提高69dB和12dB以上,而对RPOCS算法结果影响在0.8dB以内。由于基于集合理论的POCS方法具有较强的吸收先验信息的能力,而基于概率统计理论的PMAP方法具有很强的恢复高频信息的能力,为充分利用PMAP和POCS两类方法的优点,进一步将所建立的RGPMAP超分辨重建方法和RPOCS超分辨重建方法融合起来。在融合方法中,对RGPMAP和RPOCS两种重建方法的迭代次序和迭代次数进行研究,建立RGPMAP-RPOCS融合优化超分辨重建算法。模拟遥感图象仿真实验表明,融合算法结果图象PSNR比RGPMAP算法和RPOCS算法提高23dB;利用两帧真实遥感图象的实验结果表明,结果图象相对输入图象的对比度改善达到13dB以上;可以将2.0m和3.0m分辨率的遥感图象分辨率分别提高约1.75倍和1.90倍。
刘妍妍[6]（2010）在《一种新型超分辨重建技术的研究》文中研究表明超高分辨成像技术一直是航天、遥感、目标识别等领域的研究热点。随着光学成像全面进入光电数字成像时代,大多数光电成像系统的空间分辨率受限于探测器,于是,“如何提高探测器分辨率”必然成为高分辨光电成像系统中的核心问题。本论文主要是针对这类探测器受限的光电成像系统,研究新型超分辨成像理论和技术,来同时减少探测器的采样机理与像元感光区孔径效应对系统空间分辨率的影响,更好的实现光电系统中线性不变性与非线性不变性之间特性匹配。在这里,我们提出一种基于异型像元探测器的焦平面编码方法,它融合了光学成像、光电学和光电信号处理等学科的相关基础理论,可以同时提高探测器的采样频率和截止频率,从而有效地提高探测器的空间分辨率、提升光电系统的整体分辨率。我们相信,该课题将为我国超高分辨率光电成像系统的研究做出前瞻性的探索,也为我国研制具有自主知识产权的高分辨成像探测器提供一定的理论储备。论文研究内容及成果主要包括如下几个方面:1.通过大量的调研和分析,将现有超分辨重建技术归纳总结为以下两类:基于过采样原理的用于面阵探测器的微扫描技术和用于线阵探测器的亚像元技术;还有基于CDMA原理的频谱编码技术。2.利用光学、电学、信号处理等相关理论的分析,讨论了影响光电成像系统空间分辨率的因素——光学系统的截止频率、探测器采样频率和探测器感光区的截止频率以及它们之间的相互制约关系,进而分析验证现有超分辨重建技术的有效性及局限性。这对新型超分辨重建技术的探索有着重要的理论指导意义。3.针对现有超分辨重建技术的局限性,探索新型超分辨重建方法。由于现有超分辨重建技术主要问题是当不改变探测器感光区时,探测器的最大分辨率为一个像元感光区尺寸的物方成像,系统分辨率仍受限于探测器,所以新型超分辨重建技术应该同时减少探测器的采样机理与像元感光区孔径效应对系统空间分辨率的影响。结合现有超分辨重建技术和采用小像元探测器各自的优缺点,提出一种基于异型像元探测器的焦平面编码方法。具体实施方案如下:将现有的探测器矩形像元逐一“变形”,去除同一位置1/4象限,用剩余的3/4像元来获取等效于“去除那部分小像元”的高频信息;然后利用视场拼接来获取系统所需要的高采样频率;最后利用算法计算出这些编码后的图像灰度矩阵信息,重建最终的高分辨图像。该方法已经申请国际发明专利。4.结合理论和实验两方面,验证了基于异型像元探测器的焦平面编码技术的有效性。理论上我们利用傅里叶光学中的线性空间不变性,建立该异型像元探测器感光区的点扩散函数,证明该方法可以将探测器的截止高频提升2倍,从分辨率角度,它可以等效于其1/4尺寸的小像元;试验上我们选取填充因子100%的46μm×46μm中波红外探测器,利用焦距6000mm、口径600mm的红外平行光管和焦距为50mm的中波红外镜头成像,得到的物方靶标分辨率为3.1mm。
周城[7]（2010）在《监控视频编码与超分辨率重建方法研究》文中指出随着视频监控市场的迅速增长、网络视频监控系统的日益普及,迫切需要对海量数字化监控视频进行压缩存储和后处理与分析。高效率的视频编码技术是解决这些问题的关键。然而在视频监控系统的实际应用中产生了许多问题,主要包括以下三个方面：第一,当视频序列受到各类环境引起噪声的影响时,视频编码的效率明显下降；第二,虽然H.264／AVC等新一代视频编码标准获得了较高的压缩效率,但其编码控制模型非常复杂,至今还难以在硬件编码端上实现其全部特性；第三,由于新一代标准的复杂度较高,给视频监控系统的后处理和分析带来了更高的难度。本文围绕着实施监控视频编码方案时所遇到的编码噪声鲁棒问题、在计算资源受限系统上编码器的复杂度和编码速度问题、以及压缩视频后处理增强问题,开展了相关研究。本文研究了视频编码的基本原理和基于新一代混合编码框架的视频编码技术,包括我国针对视频监控系统制定的AVS-S标准中的关键技术。指出了目前研究的缺陷和遗漏之处,并说明了本文研究范围与这些技术的区别。监控视频序列中的噪声对H.264编码模型产生了影响,帧间预测编码受噪声干扰后的不准确性是带来其编码效率下降的根本原因。提出了一种基于联合匹配准则和运动矢量场时空滤波的宏块预分类方法。首先利用对噪声不敏感的匹配准则初步判断当前宏块的运动状态。其次对已编码帧的运动矢量场进行时域和空域滤波,消除噪声运动矢量并获得更能精确描述当前运动物体的运动矢量场。最后根据当前编码宏块的运动状态限定其编码模式。通过改进的匹配准则和运动矢量场滤波两方面帮助编码器提高其噪声鲁棒性,而且算法计算复杂度较小。对典型监控序列的仿真实验表明,本文算法同H.264中的高复杂度率失真优化算法相比较,获得了平均超过0.08dB的性能增益,并平均节约了1.67%的码流,与此同时还节约了平均62.86%的总编码时间。实验证明本文算法具有一定的性能优势和较大的编码速度优势。本文在总结当前快速算法研究现状的基础上,发现目前快速算法的缺陷在于算法复杂度过高,从而给编码器的硬件设计带来了更大负担。为了降低在硬件上实现新一代混合编码框架的难度,提出了一种基于统计判决的快速冗余预测模式消除方法。在遵循现有编码流程的基础上,通过提取部分已编码模式的编码块模式和帧间预测开销作为辅助判断信息,将各模式编码预测开销之间的比值进行了统计模型化,并作为是否采取当前编码模式的依据。利用统计分布规律快速消除可能性较低的编码模式。本文算法以极低的计算复杂度优化了H.264模型的编码流程。通过对国际通用视频序列的实验表明,本文算法在平均综合性能仅仅损失了0.037dB的情况下,整体编码时间缩减了12.3%。该方法几乎没有增加任何内存开销,为编码器整体框架优化提供了全新的解决思路。在压缩视频超分辨率重建方法方面,本文在总结了当前基于压缩视频超分辨率重建研究现状的基础上,指出现有基于MPEG域的方法难以运用到以H.264为代表的新一代视频编码技术上。另外本文研究了目前较好的一种空域变像元超分辨率重建模型,指出其更加适合于同一场景下视频序列的超分辨率重建。最后提出了一种基于宏块多重描述的变像元超分辨率重建算法,通过在编码端保存有效的宏块多重描述信息并传输至解码端,其中包括宏块在相邻帧之间的重要位移信息。在解码端首先提取宏块多重信息中的模式和运动矢量信息,在进行精确匹配和定位之后将相邻重建帧上的对应整像素点投影到超分辨率重建图像上,完成解码端视频图像的增强。分别通过对空间分辨率、客观重建性能和解码端视频序列超分辨率重建的实验证明了本文算法在主客观性能上有着较好表现。本文算法实际上为压缩视频后处理和分析提供了一种全新的解决思路,即在编码端对感兴趣的运动物体信息进行多重描述以便解码端进行后处理和分析。本文对面向视频监控的视频编码技术进行了比较全面和深入的研究,提出了一套监控视频编码的解决方案。编码端方面取得的研究成果对增强编码器的噪声鲁棒性和提高编码效率有一定的理论研究意义和实际应用价值。解码端视频后处理方面取得的研究成果则可以较好地解决压缩视频增强的问题,改善了解码图像质量。
张智[8]（2008）在《面向遥感图像的倒易晶胞复原方法研究》文中认为倒易晶胞的复原方法是一种面向遥感图像的单帧图像复原方法。该方法通过在频域网格内去除或减少相邻频谱网格的频谱交叠,以达到去除混迭的目的。再结合传统的图像复原方法,进行去噪声和去模糊,最后恢复一幅较为清晰的图像。本文对倒易晶胞的复原算法进行深入的研究,主要有以下几方面的工作:研究了遥感图像中混迭现象产生的原因,进行混迭量对图像影响的定量化测试。通过混迭进行量化,测试混迭量对Wiener结合倒易晶胞复原和TV（Total Variation）结合倒易晶胞方法的影响。并针对实验中的具体图像,限定倒易晶胞复原方法能够处理的混迭程度。从对MTF（Modulation Transfer Function）补偿的角度分析,倒易晶胞的物理意义就是一个低通滤波器。它在滤波中的作用就是既尽量趋向理想的Shannon滤波器,又要使得倒易晶胞形状保持光滑。研究倒易晶胞中去卷积的方法,通过实验发现倒易晶胞复原工作中可能存在的问题,即彩色混迭和彩色噪声现象。首次提出彩色混迭的概念,并给出彩色混迭的公式。从实验结果中,给出了彩色混迭和彩色噪声在倒易晶胞中的表现。利用频域结合时频域,提出一种基于小波理论结合倒易晶胞的复原方法,把混迭考虑到数学模型中。既达到了去混迭的目的,又可得到比直接频域复原方法更好的复原效果。研究了亚像元技术及其插值方法,提出一种基于两帧亚像元图像并结合中值滤波的小波复原方法,达到较好的复原效果。在此基础上进一步研究,又提出一种基于复小波的亚像元复原方法。该方法利用复小波进行插值和双变量层间去噪,与基于两帧亚像元图像的小波复原方法相比得到更好的复原效果。
张林[9]（2008）在《CCD光靶交汇测量技术及应用研究》文中研究表明线阵CCD交汇光靶测量系统是一种火炮武器射击密集度的测试系统,本文在阐述国内外研究现状的基础上,对CCD光靶测量系统的组成及设计方案进行了分析与研究;在技术路线上,采用理论分析、数值模拟和实验研究的方法对CCD交汇光靶及相关技术开展较为深入的研究,主要研究内容包括:（1）在CCD光靶测量系统中,CCD相机驱动电路的设计是其关键技术之一。根据系统的技术要求,文中选用了DALSA公司生产的高速CCD芯片IL-P3,在分析其驱动时序的基础上,详细阐述了CCD相机驱动电路的设计过程,给出了CCD驱动电路的时序仿真及相关测试波形,实验与仿真有较好的一致性。（2）根据CCD器件的结构及工作原理,文中对CCD的各种噪声及干扰进行了较详细地分析。根据噪声特点,提出了相应的噪声处理技术。在此基础上采用专用CCD视频信号处理芯片AD9840A和CPLD技术设计了CCD视频信号处理电路,并采用LVDS接口技术实现数据传输,不仅解决了数据传输速度和小型化的问题,而且由于减少了各自独立器件,使系统设计和调试的方便性及系统的稳定性都有所提高。（3）对CCD相机组成的交汇测量系统进行了同步控制研究,给出了在外同步触发方式下两相机同步采集动态目标的实验结果。实验表明,两CCD相机在外同步控制下,可以实现对动态目标的同步采集,成像行数的误差主要是两相机的非共面造成的,并对相机的非共面误差进行了研究与分析。（4）研究了坐标测量精度与相机系统各结构参数之间的关系,对光靶的布站方式进行了优化设计,通过计算机仿真得到了交汇测量系统的最佳结构参数。由于影响系统测量精度和目标捕获率的一个共同因素是靶面的光照分布,因此,对CCD光靶靶面的光照问题进行了研究。在分析天空背景亮度和目标光照度的基础上,详细分析了靶面光照对目标捕获率的影响,并给出了相关测试结果,验证了上述理论分析的正确性。（5）将小波变换方法应用于过靶目标图象帧的起始定位,检测实验表明,即使在干扰较大,信号变化缓慢的情况下,仍然能准确地分辨出信号的变化边沿,即能准确定位过靶目标图象的起始帧。
薛琴[10]（2007）在《基于图像拼接的零件几何尺寸的图像测量算法的研究》文中认为图像测量（Image Measurement）是一种采用CCD（Charge Coupled Device）进行摄像测量的新型光电测量技术。本课题针对现有的图像测量中存在的视场范围小、成本高等难题，在广东工业大学自动化学院广东省教育厅“先进控制技术”重点实验室的CTLS-1000生产过程自动监控实验装备的图像检测工作站硬件平台的基础上，通过图像拼接，对零件几何尺寸进行图像测量，并对相关的图像测量算法进行了探讨研究和改进。本论文首先介绍了图像测量的概念及其国内外动态，讨论了图像测量技术存在的问题，给出了本课题研究目的、意义和具体内容。通过对现有实验装备的介绍，给出图像测量算法的总体架构。其次通过对采集的图像进行预处理，消除原始图像的噪声污染及运动产生的模糊现象，使退化图像得到复原，为图像拼接奠定基础。图像拼接采用灰度相关算法，并对拼合处进行图像融合，消除虚假边缘。然后，为了实现对拼接图像在象素级上的分割，对蚁群算法进行了改进，以梯度算子作为蚁群聚类特征，并采用两类蚁群聚类分割，使分割快速且准确。同时，为了使边缘定位更精确，采用了基于Lyvers空间矩算子边缘定位算法进行亚象素级定位，并对算法进行了改进，仅对已分割的边缘点进行亚象素定位，减少了定位所需的时间。通过Hough变换和最小二乘法对离散的边缘点进行拟合，得到零件的基本图形信息。最后，对CCD系统进行了非线性畸变补偿，并采用标准的二次标定方法，完成象素与真实尺寸的换算，获得了零件的几何尺寸。在论文的最后，以零件的两帧图像的拼接为例，对基于图像拼接的零件几何尺寸图像测量算法进行了测量精度分析并得到测量精度估算值。
二、两帧图像合成的“亚象元”方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、两帧图像合成的“亚象元”方法（论文提纲范文）
（1）基于多帧影像的航空超分辨成像技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 超分辨成像技术的概念 |
| 1.3 相关领域的研究现状 |
| 1.3.1 基于插值的超分辨技术 |
| 1.3.2 基于重构的超分辨技术 |
| 1.3.3 基于学习的超分辨技术 |
| 1.4 论文主要研究内容和组织结构 |
| 第2章 航空超分辨问题理论分析 |
| 2.1 引言 |
| 2.2 航空图像分辨率 |
| 2.2.1 空间分辨率 |
| 2.2.2 光学系统分辨率 |
| 2.3 航空图像降质模型 |
| 2.3.1 成像模式 |
| 2.3.2 物理观测模型 |
| 2.3.3 线性系统降质模型 |
| 2.3.4 影响降质因素 |
| 2.4 超分辨成像技术的逆问题与病态问题 |
| 2.5 亚像元成像技术 |
| 2.6 超分辨成像质量评价 |
| 2.6.1 主观评价方法 |
| 2.6.2 客观评价方法 |
| 2.7 本章小结 |
| 第3章 关于Papoulis-Gerchberg的超分辨改进技术研究 |
| 3.1 引言 |
| 3.2 Papoulis-Gerchberg原理 |
| 3.3 图像配准 |
| 3.4 改进的Papoulis-Gerchberg算法 |
| 3.4.1 多幅误差反投影 |
| 3.4.2 边缘细节恢复 |
| 3.5 实验和结果 |
| 3.5.1 仿真实验 |
| 3.5.2 实景实验 |
| 3.6 本章小结 |
| 第4章 多幅亚象元自学习LLE超分辨改进技术研究 |
| 4.1 引言 |
| 4.2 传统局部线性嵌入算法分析 |
| 4.3 多幅亚象元自学习LLE方法 |
| 4.3.1 改进的LLE方法 |
| 4.3.2 高频细节信息恢复 |
| 4.3.3 重构平滑和简化处理 |
| 4.4 实验与分析 |
| 4.4.1 仿真实验的算法处理效果 |
| 4.4.2 实景航拍实验算法处理效果 |
| 4.5 本章小结 |
| 第5章 关于字典的多幅超分辨技术探讨研究 |
| 5.1 引言 |
| 5.2 图像稀疏模型 |
| 5.3 基于自学习字典的多幅超分辨重构方法 |
| 5.3.1 自学习方法 |
| 5.3.2 联合学习字典方法 |
| 5.3.3 重构融合和全局约束 |
| 5.4 实验与分析 |
| 5.4.1 仿真实验 |
| 5.4.2 实景和航拍实验 |
| 5.5 本章小结 |
| 第6章 高性能自适应的超分辨算法研究 |
| 6.1 引言 |
| 6.2 GPU原理 |
| 6.3 基于自适应的高性能超分辨算法 |
| 6.3.1 创建图像块方式 |
| 6.3.2 基于自适应方法重构高分辨率图像初始估计以及高频信息恢复方法 |
| 6.3.3 GPU优化 |
| 6.3.4 基于重构的边缘先验约束 |
| 6.4 实验与分析 |
| 6.4.1 仿真实验 |
| 6.4.2 实景实验 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
（2）航空图像超分辨率重构技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 图像分辨率提高的因素限制 |
| 1.2 相关领域的研究现状 |
| 1.2.1 超分辨率重构的研究概述 |
| 1.2.2 软硬件结合的超分辨率重构 |
| 1.3 论文的研究内容和组织结构 |
| 1.3.1 论文的研究内容 |
| 第2章 多项式插值重构 |
| 2.1 多项式插值 |
| 2.1.1 理想插值 |
| 2.1.2 基于 B 样条的插值基函数 |
| 2.1.3 应用数字滤波器确定 B 样条插值基函数系数 |
| 2.1.4 O-MOMS 插值 |
| 2.1.5 Keys 插值 |
| 2.2 自适应多项式插值 |
| 2.2.1 图像的降采样模型 |
| 2.2.2 线性空间移不变的图像插值 |
| 2.2.3 基于有偏距离的图像插值 |
| 2.2.4 带有权值因子的图像插值 |
| 2.3 性能测试与分析 |
| 2.4 本章小结 |
| 第3章 互信息图像配准方法研究 |
| 3.1 图像配准概述 |
| 3.2 基于互信息的图像配准 |
| 3.2.1 最大互信息测度 |
| 3.2.2 图像的互信息计算 |
| 3.2.3 图像互信息的配准模型 |
| 3.2.4 空间变换与插值 |
| 3.2.5 搜索策略 |
| 3.2.6 基于互信息图像配准流程 |
| 3.3 算法性能测试 |
| 3.4 本章小结 |
| 第4章 序列图像的超分辨率重构 |
| 4.1 基于先验信息的超分辨率重构 |
| 4.1.1 图像的观测模型 |
| 4.1.2 算法的基本原理 |
| 4.1.3 简化的图像观测模型 |
| 4.1.4 图像配准 |
| 4.1.5 图像复原 |
| 4.1.6 基于小波变换的序列图像融合方法 |
| 4.1.7 图像插值重构 |
| 4.1.8 算法的技术流程 |
| 4.2 基于最大公因子法的盲超分辨率重构 |
| 4.2.1 图像盲复原 |
| 4.2.2 GCD 问题的提出 |
| 4.2.3 1D-GCD 算法的求解 |
| 4.2.4 2D-GCD 算法的求解 |
| 4.2.5 基于序列图像的 2D-GCD 算法 |
| 4.2.6 算法的技术流程 |
| 4.3 算法性能测试 |
| 4.3.1 基于先验信息的超分辨率重构算法测试 |
| 4.3.2 基于最大公因子法的盲超分辨率重构算法测试 |
| 4.4 本章小结 |
| 第5章 亚像元成像的超分辨重构 |
| 5.1 亚像元成像的超分辨重构 |
| 5.1.1 亚像元成像的工作原理及工作模式 |
| 5.1.2 亚像元成像超分辨率重构算法 |
| 5.2 多线阵探测器亚像元成像的超分辨重构 |
| 5.2.1 系统采样频率与空间分辨率 |
| 5.2.2 多线阵 CCD 的亚像元成像 |
| 5.2.3 高分辨率网格的插值模型 |
| 5.2.4 高分辨率图像模糊核的辨识 |
| 5.2.5 高分辨率图像的去模糊 |
| 5.3 性能测试与分析 |
| 5.3.1 3线阵探测器亚像元成像的超分辨率重构 |
| 5.3.2 4线阵探测器亚像元成像的超分辨率重构 |
| 5.3.3 模糊图像延迟距离确定 |
| 5.3.4 Neumann BCs-GSR 与 Neumann BCs-GSRL 去模糊效果 |
| 5.3.5 对比亚像元成像系统与普通成像系统的分辨率 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
（3）视频图像超分辨率重建算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 超分辨率重建关键问题 |
| 1.4 论文主要研究内容与结构安排 |
| 第2章 超分辨率重建的理论基础 |
| 2.1 引言 |
| 2.2 基本概念 |
| 2.3 图像成像模型及病态性 |
| 2.4 超分辨率重建问题的理论依据 |
| 2.5 图像质量的评价标准 |
| 2.6 本章小结 |
| 第3章 基于特征点的运动估计 |
| 3.1 引言 |
| 3.2 图像特征点提取 |
| 3.3 图像空间变换类型 |
| 3.4 基于 VP-Tree 的特征点对检索 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 自适应非局部均值超分辨率重建 |
| 4.1 引言 |
| 4.2 非局部均值滤波器 |
| 4.3 非局部均值超分辨率重构 |
| 4.4 自适应非局部均值超分辨率重建 |
| 4.5 实验结果与分析 |
| 4.6 本章总结 |
| 第5章 光度非均匀视频图像超分辨率重建 |
| 5.1 引言 |
| 5.2 基于 HOG 特征的运动估计 |
| 5.3 最大后验概率算法原理 |
| 5.4 光度帧间变化时的超分辨率重建 |
| 5.5 光度帧内变化时的超分辨率重建 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 创新成果 |
| 6.3 未来工作展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
（4）天基红外监视系统目标检测与跟踪技术研究（论文提纲范文）
| 目录 |
| 缩略词 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 天基红外监视系统中目标检测与跟踪问题的研究现状 |
| 1.2.1 图像的非均匀性校正与背景杂波抑制 |
| 1.2.2 多目标数据关联与轨迹跟踪 |
| 1.2.3 弱小目标轨迹检测前跟踪 |
| 1.3 论文主要工作和章节安排 |
| 第二章 图像非均匀性校正与背景杂波抑制 |
| 2.1 引言 |
| 2.2 探测图像的非均匀性校正 |
| 2.2.1 神经网络非均匀性校正算法的基本原理 |
| 2.2.2 基于列均衡与神经网络的非均匀性校正算法 |
| 2.2.3 仿真实验与结果分析 |
| 2.3 高轨静止平台探测中的背景杂波自适应抑制 |
| 2.3.1 背景杂波时空域模型 |
| 2.3.2 基于 Markov 自回归模型的时空域融合抑制算法 |
| 2.3.3 基于约束序贯 M 估计的时空域融合抑制算法 |
| 2.3.4 仿真实验与结果分析 |
| 2.4 中低轨运动平台探测中的背景杂波自适应抑制 |
| 2.4.1 基于 MHD-PSO 特征图像配准的背景杂波抑制算法 |
| 2.4.2 基于运动平台参数的背景杂波抑制算法 |
| 2.4.3 仿真实验与结果分析 |
| 2.5 小结 |
| 第三章 像平面多目标数据关联与轨迹跟踪 |
| 3.1 引言 |
| 3.2 像平面目标运动与观测模型 |
| 3.3 基于 IS-MCMC 的像平面多目标数据关联与轨迹跟踪 |
| 3.3.1 MCMC 多目标数据关联与轨迹跟踪的基本原理 |
| 3.3.2 MCMC 算法的改进-IS-MCMC |
| 3.4 基于 IMM-OIPMHT 的像平面多目标数据关联与轨迹跟踪 |
| 3.4.1 IPMHT 多目标数据关联与轨迹跟踪的基本原理 |
| 3.4.2 IPMHT 算法的改进-IMM-OIPMHT |
| 3.5 仿真实验与结果分析 |
| 3.5.1 基于 IS-MCMC 的像平面多目标数据关联与轨迹跟踪 |
| 3.5.2 基于 IMM-OIPMHT 的像平面多目标数据关联与轨迹跟踪 |
| 3.6 小结 |
| 第四章 像平面弱小目标检测前跟踪 |
| 4.1 引言 |
| 4.2 像平面目标运动与观测模型 |
| 4.3 基于启发式 MM-PF 的像平面弱小目标检测前跟踪 |
| 4.3.1 MM-PF TBD 的基本原理 |
| 4.3.2 MM-PF TBD 算法的改进-启发式 MM-PF |
| 4.3.3 启发式 MM-PF TBD 算法的实现 |
| 4.4 基于 MM-PHD 的像平面弱小目标检测前跟踪 |
| 4.4.1 PHD TBD 的基本原理 |
| 4.4.2 PHD TBD 算法的改进-MM-PHD |
| 4.4.3 MM-PHD TBD 算法的实现 |
| 4.5 仿真实验与结果分析 |
| 4.5.1 启发式 MM-PF TBD |
| 4.5.2 MM-PHD TBD |
| 4.6 小结 |
| 第五章 结论与展望 |
| 5.1 论文主要成果和创新点 |
| 5.2 进一步研究的问题 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 作者在攻读博士学位期间参与的科研项目 |
（5）遥感图象频域和空域超分辨重建技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究概况 |
| 1.2.1 图象超分辨重建的机理与限制问题 |
| 1.2.2 基于重建的图象超分辨技术 |
| 1.2.3 基于学习的图象超分辨重建技术 |
| 1.3 主要研究内容和创新点 |
| 1.4 本文的结构安排 |
| 第2章 图象超分辨重建的理论基础 |
| 2.1 引言 |
| 2.2 图象成像模型 |
| 2.2.1 成像过程中的退化分析 |
| 2.2.2 成像模型 |
| 2.3 超分辨重建问题的理论依据 |
| 2.3.1 图象超分辨重建问题描述 |
| 2.3.2 图象超分辨重建的理论依据 |
| 2.4 图象质量的评价标准 |
| 2.5 本章小结 |
| 第3章 图象频域解混叠超分辨重建技术 |
| 3.1 引言 |
| 3.2 图象频域解混叠的理论基础 |
| 3.3 图象频域解混叠的数学模型 |
| 3.4 图象频域解混叠迭代计算模型 |
| 3.5 限制条件的突破技术 |
| 3.5.1 单帧超分辨算法及其应用 |
| 3.5.2 再采样函数及输入帧的挑选 |
| 3.6 图象频域解混叠超分辨重建算法 |
| 3.7 实验结果与分析 |
| 3.8 本章小结 |
| 第4章 PMAP图象超分辨重建技术 |
| 4.1 引言 |
| 4.2 PML与PMAP图象超分辨重建方法 |
| 4.2.1 遥感图象的概率统计模型 |
| 4.2.2 PML与PMAP方法的基本原理和比较 |
| 4.3 RGPMAP图象超分辨重建算法 |
| 4.3.1 GPMAP图象超分辨重建算法 |
| 4.3.2 正则化项的选取与参数设置 |
| 4.3.3 RGPMAP图象超分辨重建算法 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 鲁棒性POCS图象超分辨重建技术 |
| 5.1 引言 |
| 5.2 POCS超分辨重建的基础理论 |
| 5.3 RPOCS超分辨重建算法 |
| 5.3.1 RPOCS算法模型 |
| 5.3.2 参数设置 |
| 5.3.3 计算流程 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 RGPMAP/RPOCS融合图象超分辨重建 |
| 6.1 引言 |
| 6.2 MAP/POCS融合超分辨图象重建的理论基础 |
| 6.3 RGPMAP/RPOCS融合算法研究 |
| 6.3.1 两种融合方法的比较 |
| 6.3.2 迭代次数的确定 |
| 6.3.3 融合算法流程 |
| 6.4 实验结果与分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（6）一种新型超分辨重建技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 本课题研究背景及研究意义 |
| 1.1.1 超分辨技术 |
| 1.1.2 混合计算成像技术 |
| 1.2 超分辨成像技术的研究现状及发展动态 |
| 1.3 本论文的主要研究内容和论文结构安排 |
| 1.3.1 论文工作的主要研究目标及研究内容 |
| 1.3.2 论文的结构安排 |
| 第2章 超分辨重建技术的理论分析 |
| 2.1 光电成像系统的物理响应分析 |
| 2.1.1 系统响应模型 |
| 2.1.2 采样-重建过程的数学模型 |
| 2.2 系统空间分辨率 |
| 2.2.1 光学衍射分辨率 |
| 2.2.2 探测器分辨率 |
| 2.2.3 系统分辨率影响因素分析 |
| 2.3 传递函数分析 |
| 2.3.1 线性空间不变性 |
| 2.3.2 探测器的MTF 建模 |
| 2.3.3 仿真模拟 |
| 2.4 灵敏度分析 |
| 2.4.1 噪声等效带宽分析 |
| 2.4.2 噪声功率谱密度的分析 |
| 2.5 小结 |
| 第3章 现有超分辨重建技术 |
| 3.1 微扫描技术 |
| 3.1.1 工作原理及工作模式 |
| 3.1.2 微扫描分类 |
| 3.2 亚像元技术 |
| 3.2.1 工作原理以及工作模式 |
| 3.2.2 亚像元技术分类 |
| 3.2.3 计算机仿真 |
| 3.3 频谱编码技术 |
| 3.3.1 频谱编码原理 |
| 3.3.2 可行性分析 |
| 3.3.3 计算机仿真 |
| 3.4 小结 |
| 第4章 利用焦平面编码提高空间分辨率 |
| 4.1 超分辨重建技术的局限性 |
| 4.2 基础理论分析 |
| 4.2.1 分辨率 |
| 4.2.2 灵敏度 |
| 4.3 焦平面编码技术实现方法 |
| 4.4 焦平面编码成像技术的可行性分析 |
| 4.5 实验验证 |
| 4.6 小结 |
| 第5章 总结与展望 |
| 5.1 论文的工作内容 |
| 5.2 论文的创新点 |
| 5.3 下一步工作展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导老师及作者简介 |
| 致谢 |
（7）监控视频编码与超分辨率重建方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的工作 |
| 2 面向视频监控的视频编码技术综述 |
| 2.1 视频编码的基本原理 |
| 2.2 与视频监控相关的视频编码技术 |
| 2.3 本章小结 |
| 3 监控视频编码的噪声鲁棒算法 |
| 3.1 引言 |
| 3.2 H.264中的编码控制模型 |
| 3.3 噪声对匹配准则精度的影响 |
| 3.4 基于联合准则的宏块预分类 |
| 3.5 仿真实验与结果分析 |
| 3.6 本章小结 |
| 4 低复杂度的编码计算冗余快速消除算法 |
| 4.1 引言 |
| 4.2 H.264的预测模式 |
| 4.3 基于统计判决的快速冗余预测模式消除 |
| 4.4 仿真实验与结果分析 |
| 4.5 本章小结 |
| 5 基于宏块多重描述的压缩域超分辨率重建算法 |
| 5.1 引言 |
| 5.2 空域超分辨重建原理 |
| 5.3 变像元超分辨率重建算法 |
| 5.4 基于宏块多重描述的变像元超分辨率重建 |
| 5.5 仿真实验与结果分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 本文的创新之处 |
| 6.3 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 A:攻读博士学位期间撰写的学术论文 |
| 附录1 B:公开发表的学术论文与博士学位论文的关系 |
| 附录1 C:攻读博士学位期间参加科研课题情况 |
| 附录2 本文采用的AVS监控视频序列简介 |
| 附录3 BJONTEGAARD综合编码性能测试方法 |
（8）面向遥感图像的倒易晶胞复原方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 遥感及遥感成像介绍 |
| 1.2 遥感图像复原发展动态 |
| 1.3 遥感图像复原研究的意义 |
| 1.4 国内外遥感图像复原工作进展介绍 |
| 1.4.1 国内的研究进展 |
| 1.4.2 国外遥感图像复原研究进展 |
| 1.5 混迭现象概述 |
| 1.6 倒易晶胞复原方法的介绍 |
| 1.6.1 倒易晶胞发展概况 |
| 1.6.2 倒易晶胞复原方法的不足之处 |
| 1.7 文章结构 |
| 1.8 本文主要贡献及创新之处 |
| 2 基于频域的遥感图像复原方法 |
| 2.1 引言 |
| 2.2 基于单帧遥感图像的频域复原方法 |
| 2.3 面向遥感图像的常用频域复原方法 |
| 2.3.1 Weiner滤波 |
| 2.3.2 Lucy Richard算法的非线性滤波 |
| 2.3.3 中值滤波 |
| 2.3.4 Gabor滤波 |
| 2.4 遥感图像复原流程 |
| 2.5 遥感图像中的采样网格与采样定理 |
| 2.5.1 两维矩形采样 |
| 2.5.2 任意两维周期采样 |
| 2.5.3 采样定理中的理想滤波器 |
| 2.5.4 对偶及对偶网格 |
| 2.6 混迭 |
| 2.6.1 混迭的本质 |
| 2.6.2 从光学成像的角度理解混迭 |
| 2.6.3 混迭的表现 |
| 2.6.4 混迭现象不可避免 |
| 2.6.5 混迭产生的原因 |
| 2.6.6 抑制混迭的常用方法 |
| 2.7 实验与结果分析 |
| 2.8 本章小结 |
| 3 倒易晶胞理论及其频域复原方法 |
| 3.1 引言 |
| 3.2 倒易晶胞 |
| 3.2.1 Voronoi倒易晶胞 |
| 3.2.2 满足采样定理的倒易晶胞 |
| 3.3 系统MTF模型 |
| 3.4 彩色噪声和彩色混迭 |
| 3.4.1 彩色混迭和彩色噪声在频域中的表现 |
| 3.4.2 抑制彩色混迭和彩色噪声的阈值方法 |
| 3.5 与倒易晶胞相关的MTF分布 |
| 3.6 最佳倒易晶胞 |
| 3.7 倒易晶胞的复原方法在MTF补偿理论上的意义 |
| 3.8 基于最佳倒易晶胞的两种图像复原方法 |
| 3.8.1 基于倒易晶胞的Weiner复原方法 |
| 3.8.2 总变差图像复原方法 |
| 3.9 实验结果 |
| 3.10 本章小结 |
| 4 结合小波变换的倒易晶胞复原方法 |
| 4.1 引言 |
| 4.2 结合小波方法的提出 |
| 4.4 小波变换 |
| 4.5 小波阈值法 |
| 4.6 维格莱特小波紧缩去卷积方法 |
| 4.6.1 小波-维格莱特去卷积原理 |
| 4.6.2 维格莱特小波去卷积的优点 |
| 4.7 结合小波变换的倒易晶胞复原方法 |
| 4.8 实验部分 |
| 4.9 本章小结 |
| 5 亚像元的小波插值方法 |
| 5.1 引言 |
| 5.2 超分辨率复原方法 |
| 5.2.1 超分辨率复原概念及其条件 |
| 5.2.2 遥感图像的超分辨率复原概念及应用 |
| 5.3 亚像元技术介绍 |
| 5.3.1 亚像元技术的概念 |
| 5.3.2 梅花形交错采样 |
| 5.4 亚像元技术采用的插值法 |
| 5.5 基于两帧图像的小波插值及中值滤波方法 |
| 5.5.1 小波系数的提取 |
| 5.5.2 对高分辨率系数进行最小二乘估计 |
| 5.5.3 中值滤波 |
| 5.5.4 信息融合 |
| 5.6 基于两帧图像的复小波复原方法 |
| 5.6.1 两帧亚像元图像的复小波插值方法 |
| 5.6.2 复小波变换 |
| 5.6.3 亚像元图像重建算法流程 |
| 5.6.4 二分树复小波插值 |
| 5.6.5 基于层间的复小波自适应去噪 |
| 5.7 实验结果的量化标准及算法复杂度 |
| 5.8 实验结果与对比分析 |
| 5.9 本章小结 |
| 6 结束语 |
| 致谢 |
| 参考文献 |
| 附录A:参加的科研项目 |
| 附录B:博士在读期间发表和录用的论文 |
（9）CCD光靶交汇测量技术及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 弹丸立靶坐标测量的主要技术手段 |
| 1.1.1 声靶 |
| 1.1.2 多光幕交汇靶 |
| 1.1.3 CCD光靶 |
| 1.2 国内外 CCD光靶研究概况 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 选题的背景和意义 |
| 1.4 本文研究的主要方法及所做的主要工作 |
| 第2章 CCD交汇光靶测量系统设计 |
| 2.1 系统的组成及总体方案设计 |
| 2.1.1 靶面布置与CCD相机安装、对准 |
| 2.1.2 高速图像数据采集单元 |
| 2.1.3 着靶图形及坐标显示与记录子系统 |
| 2.1.4 靶心标校与瞄准装置 |
| 2.2 CCD相机系统分析 |
| 2.2.1 图像传感器的选择 |
| 2.2.2 CCD相机的目标分辨率 |
| 2.2.3 CCD相机光学系统设计 |
| 2.3 软件设计 |
| 2.3.1 软件系统设计原则 |
| 2.3.2 软件组成 |
| 第3章 基于IL-P3的CCD相机驱动电路设计 |
| 3.1 引言 |
| 3.2 IL-P3驱动时序发生器的设计 |
| 3.2.1 IL-P3的主要特点及引脚功能 |
| 3.2.2 IL-P3驱动时序分析 |
| 3.2.3 积分时间调节 |
| 3.2.4 驱动信号参数的确定 |
| 3.2.5 时序仿真 |
| 3.3 IL-P3驱动电路模块设计 |
| 3.3.1 偏置电压电路 |
| 3.3.2 CR驱动电路 |
| 3.3.3 TCK驱动电路 |
| 3.3.4 RST驱动电路 |
| 3.4 实验测试 |
| 3.4.1 测试步骤 |
| 3.4.2 测试过程中的注意事项 |
| 3.5 本章小结 |
| 第4章 CCD视频信号处理电路的研究与设计 |
| 4.1 CCD噪声信号分析 |
| 4.1.1 CCD器件的固有噪声 |
| 4.1.2 CCD的输出噪声 |
| 4.2 CCD噪声处理 |
| 4.2.1 CCD噪声抑制的主要方法 |
| 4.2.2 相关双采样技术 |
| 4.3 基于可变带通滤波技术的CCD噪声处理研究 |
| 4.3.1 基于可变带通滤波器的采样原理 |
| 4.3.2 基于可变带通滤波器的噪声算法分析 |
| 4.3.3 数值仿真与分析 |
| 4.3.4 实验结果与结论 |
| 4.4 基于AD9840A的CCD视频信号处理电路设计 |
| 4.4.1 AD9840A的功能特点 |
| 4.4.2 CCD信号处理电路的硬件设计 |
| 4.5 本章小结 |
| 第5章 CCD相机的同步控制及光轴不共面误差研究 |
| 5.1 双 CCD相机同步控制研究 |
| 5.1.1 CCD相机的内部工作时序 |
| 5.1.2 CCD相机的外部工作时序 |
| 5.1.3 CCD相机同步控制方式的选择 |
| 5.1.4 相机同步控制的硬件实现 |
| 5.1.5 动态目标同步采集试验 |
| 5.1.6 误差分析 |
| 5.2 双 CCD相机不共面误差研究 |
| 5.2.1 坐标误差计算的数学模型 |
| 5.2.2 数值计算与分析 |
| 5.3 本章小结 |
| 第6章 CCD交汇光靶测量精度及目标捕获率研究 |
| 6.1 CCD交汇光靶测量精度分析 |
| 6.1.1 CCD交汇光靶布站方式与坐标测量原理 |
| 6.1.2 双CCD交汇靶面坐标测量精度分析 |
| 6.1.3 实验仿真 |
| 6.1.4 结论 |
| 6.2 CCD光靶结构参数的优化设计 |
| 6.2.1 最优结构参数的条件 |
| 6.2.2 优化程序设计 |
| 6.2.3 真结果与分析 |
| 6.2.4 结论 |
| 6.3 CCD交汇光靶捕获率分析 |
| 6.3.1 天空背景亮度的计算 |
| 6.3.2 目标在CCD像面上的光照度分析 |
| 6.3.3 目标捕获率的计算 |
| 6.3.4 试验测试 |
| 6.3.5 试验结论 |
| 6.4 本章小结 |
| 第7章 动态目标过靶检测技术研究 |
| 7.1 动态目标过靶起始定位研究 |
| 7.1.1 基于小波变换的过靶目标信号检测 |
| 7.1.2 过靶目标信号的检测实验 |
| 7.1.3 结论 |
| 7.2 基于差分算法的CCD目标图像的识别与检测 |
| 7.2.1 概述 |
| 7.2.2 测量目标的提取与识别 |
| 7.3 本章小结 |
| 第8章 总结与展望 |
| 8.1 全文总结 |
| 8.2 有待于进一步研究的问题 |
| 致谢 |
| 参考文献 |
| 作者攻读博士学位期间发表的相关论文 |
（10）基于图像拼接的零件几何尺寸的图像测量算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| CONTENTS |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 课题研究的背景 |
| 1.2.1 现代工业生产的发展需求 |
| 1.2.2 CCD和图像处理技术的发展 |
| 1.3 测量技术的国内外发展动态 |
| 1.3.1 接触式测量 |
| 1.3.2 非接触式测量 |
| 1.3.3 图像测量技术的现状 |
| 1.4 课题研究的目的及意义 |
| 1.5 课题研究的内容 |
| 第二章 零件几何尺寸的图像测量系统 |
| 2.1 CTLS-1000装备的图像检测工作站硬件介绍 |
| 2.1.1 光源 |
| 2.1.2 CCD摄像机 |
| 2.1.3 图像采集卡 |
| 2.1.4 其他硬件设备 |
| 2.1.5 运动控制系统 |
| 2.2 测量算法研究 |
| 2.3 测量系统实现功能 |
| 2.4 本章小结 |
| 第三章 图像预处理 |
| 3.1 图像处理技术概述 |
| 3.2 图像采集 |
| 3.2.1 图像采样 |
| 3.2.2 图像量化 |
| 3.3 图像复原 |
| 3.3.1 图像退化原因 |
| 3.3.2 退化模型 |
| 3.4 图像滤波处理 |
| 3.4.1 概述 |
| 3.4.2 图像噪声的消除 |
| 3.5 特定退化模型的复原算法 |
| 3.6 本章小结 |
| 第四章 基于图像拼接的几何尺寸测量 |
| 4.1 图像拼接 |
| 4.1.1 图像采集的约束条件 |
| 4.1.2 图像拼接原理 |
| 4.1.3 拼接图像的融合 |
| 4.1.4 示例仿真 |
| 4.2 图像分割 |
| 4.2.1 分割原理及方法 |
| 4.2.2 梯度算子 |
| 4.2.3 典型算法比较 |
| 4.2.4 基于梯度算子的蚁群分割算法 |
| 4.2.5 示例仿真 |
| 4.3 亚象素边缘定位 |
| 4.3.1 概述 |
| 4.3.2 Lyvers空间矩算子边缘定位原理 |
| 4.3.3 Lyvers算法的误差分析 |
| 4.3.4 三级模型进行误差校正 |
| 4.3.5 改进算法及仿真 |
| 4.4 图像测量 |
| 4.4.1 测量原理 |
| 4.4.2 Hough变换直线拟合 |
| 4.4.3 圆的最小二乘法拟合 |
| 4.5 CCD参数标定 |
| 4.5.1 摄像系统的非线性补偿 |
| 4.5.2 象素实际尺寸标定 |
| 4.6 尺寸的获得 |
| 4.7 本章小结 |
| 第五章 测量精度与误差分析 |
| 5.1 测量准确度 |
| 5.2 影响测量精度的因素 |
| 5.3 仿真结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文 |
| 致谢 |
四、两帧图像合成的“亚象元”方法（论文参考文献）
- [1]基于多帧影像的航空超分辨成像技术研究[D]. 穆绍硕. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2017(09)
- [2]航空图像超分辨率重构技术研究[D]. 杨文波. 中国科学院研究生院(长春光学精密机械与物理研究所), 2014(10)
- [3]视频图像超分辨率重建算法研究[D]. 贾苏娟. 中国科学院研究生院(长春光学精密机械与物理研究所), 2013(08)
- [4]天基红外监视系统目标检测与跟踪技术研究[D]. 龙云利. 国防科学技术大学, 2012(04)
- [5]遥感图象频域和空域超分辨重建技术研究[D]. 杨学峰. 哈尔滨工业大学, 2011(08)
- [6]一种新型超分辨重建技术的研究[D]. 刘妍妍. 中国科学院研究生院（长春光学精密机械与物理研究所）, 2010(10)
- [7]监控视频编码与超分辨率重建方法研究[D]. 周城. 华中科技大学, 2010(11)
- [8]面向遥感图像的倒易晶胞复原方法研究[D]. 张智. 南京理工大学, 2008(01)
- [9]CCD光靶交汇测量技术及应用研究[D]. 张林. 南京理工大学, 2008(11)
- [10]基于图像拼接的零件几何尺寸的图像测量算法的研究[D]. 薛琴. 广东工业大学, 2007(05)