數字圖像處理課程設計報告課設題目：超分辨圖像重建學 院：信息科學與工程學專 業：電子與信息工程班 級：姓 名：學 號指導教師哈爾濱工業大學（威海）2013年12月 26日一.課程設計任務 1TOC\o"1-1"\h\z\u二.課程設計原理及設計方案 2三.課程設計的步驟和結果 4四.課程設計總結 11五.設計體會 11六．參考文獻 11哈爾濱工業大學（威海）課程設計報告哈爾濱工業大學（威海）課程設計報告一.課程設計任務在視頻監控、圖像追蹤等應用中，由于圖像攝取系統的分辨率較低，圖像較為模糊，使得目標識別等問題變得困難。現有一組低分辨率圖像，圖像大小為500*500，由于常規的圖像插值技術可能導致圖像邊緣模糊，試設計一種超分辨率重建方法，使得圖像邊緣盡可能保持較好的陡峭性，獲得清晰的高分辨率圖像。要求完成功能：1、獲取低分辨率圖像2、設計超分辨圖像重建方法獲得2倍大小的超分辨圖像；3、對放大后的圖像與一般的插值技術進行放大后的圖像進行比較，并對比分析采用方法的優缺點。4、設計軟件界面。二.課程設計原理及設計方案、插值技術插值問題的提法是：假定區間[a，b]上的實值函數f（x）在該區間上x0，x1xn處的值是f(x0f（xn（x）在[a，b]中某點x*的值。基本思路是，找到一個函數P(x)，在x0，x1……xn的節點上與f(x)函數值相同(有時，甚至一階導數值也相同)，用P(x*)的值作為函數f(x*)的近似。函數類其通常的做法是：在事先選定的一個由簡單函數構成的有n+1個參數C0，C1，……Cn的Φ(C0，C1，……Cn)中求出滿足條件P（xi）=f（xi）（i=0，1，……n）P(xP(f(f（x）x0，x1，……xn稱為插值結(節)點，Φ(C0，C1，……Cn)稱為插值函數類，上面等式稱為插值條件，Φ（C0，……Cn）中滿足上式的函數稱R（x）=f（x）－P（x）稱為插值余項。當估算點屬于包含x0，x1……xn迭代反投影法IraniPelegLRLRHRKLR（mmMM],待估計的HR圖像f(nn)

k 1 2 1 2n1[NN]n1

)M

在x,y方向分辨率均擴大1倍，即IBPHR1^

n12(

,n)

^n

,

)mm

(g(m,m

)g

(^,

))hBP(m,

;n,n)1 2 1

k 1 2m,1,2

k 1 2

1 2 1 21 2 g^式中gnnKLRLR^k息生成。

m

表示為估計

f(n,

LR位置集合。k 1為反投影核，它決定誤差式。IBP算法流程如下圖。

2nmm( , nmmk 1 2

gnk

1,21 2

對f1(1

n) 的影響方2哈爾濱工業大學（威海）課程設計報告、超分辨率圖像重建采用信號處理的方法從多個可觀察到的低分辨率（簡稱LR）圖像得到高分辨率圖像。在基于SR的空間分辨率增強技術中，其基本前提是通過同一場景LRSRLRLR圖像是基于亞像素精度的平移亞采樣。如果僅僅是整數單位的像素平移，那么每幅圖像中都包含了相同的信息，這樣就不能為圖像的復原提供新的信息。如果每幅LR圖像彼此之間都是不同的亞像素平移，那么它們彼此之間就不會相互包含，在這種情況下，每一幅LR為HR圖像的復原提供一些不同的信息。為了得到同一場景的不同側面，必須通過一幀接一幀的多場景或者視頻序列的相關的場景運動。我們可以通過一臺照相機的多次拍攝或者在不同地點的多臺照相機獲取多個場景，例如在軌道衛星一類可控制的圖像應用中，這種場景運動是能夠實現的；對于局部對象移動或者震蕩一類的不可控制的圖像應用也是同樣能實現的。如果這些場景運動是已知的或者是在亞像素精度范圍了可估計的，同時如果我們能夠合成這些SRSRLR圖像放大圖像的質量仍然是有限的，這是因為對單幅圖像插值不能恢復在LR采樣過程中損失的高頻部分。因此圖像插值方法不能被認作是SR技術。為了在這方面有更大的改進，下一步就需要應用基于同一場景的相關的額外數據?；谕粓鼍暗牟煌挠^察信息的融合就SR哈爾濱工業大學（威海）課程設計報告哈爾濱工業大學（威海）課程設計報告三.課程設計的步驟和結果獲得原始圖像的黑白灰度圖像N=256;M=128;[filename,pathname]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'載入圖像'); %設置件類型，保存文件名稱以及路徑；ifisequal(filename,0)|isequal(pathname,0)errordlg(' 沒 有 選 中 文 件 ',' 出 錯'); %沒有選中時的報錯提示return;elsefile=[pathname,filename];S=file;%將文件名和路徑名稱進行組合，并賦值給S；original=double(rgb2gray(imread(file)));% endfigure(1);imshow(original,[]);%axisimagecolormap(gray(256));%用colormap函數保證顯示為黑白灰度圖像title('originalimage');original_1=uint8(original);imwrite(original_1,'original_gray.jpg');originalimage獲得低分辨圖像h=1/4*[11;11];%模糊處理模板，去除高頻噪聲blur_image=conv2(original,h,'valid');%Blurringtheimage 對原始圖像進行模糊理%Performingdecimation: 下采樣子像素位移Decimated1=blur_image(1:2:N-1,1:2:N-1);%Referenceframe 參考幀作為參考圖像a1=uint8(Decimated1);imwrite(a1,'Decimated1.jpg');Decimated2=blur_image(1:2:N-1,2:2:N-2);a2=uint8(Decimated2);imwrite(a2,'Decimated2.jpg');Decimated3=blur_image(2:2:N-2,1:2:N-1);a3=uint8(Decimated3);imwrite(a3,'Decimated3.jpg');Decimated4=blur_image(2:2:N-2,2:2:N-2);a4=uint8(Decimated4);imwrite(a4,'Decimated4.jpg');figure(2);imshow(Decimated1,[]);axisimagecolormap(gray(256));title('128*128image');128*128image獲得迭代初始圖像Interpolated1=imresize(Decimated1,2,'bicubic');f0=Interpolated1;g1=zeros(M,M);g2=zeros(M,M);g3=zeros(M,M);g4=zeros(M,M);g1=Decimated1;g2(1:1:M,1:1:M-1)=Decimated2(1:1:M,1:1:M-1);g3(1:1:M-1,1:1:M)=Decimated3(1:1:M-1,1:1:M);g4(1:1:M-1,1:1:M-1)=Decimated4(1:1:M-1,1:1:M-1);保證g1-g4128*128的圖像。figure(3);imshow(f0,[]);axisimagecolormap(gray(256));title('firstiteration');Inter=uint8(f0);imwrite(Inter,'Inter_HR.jpg');firstiteration獲得最后處理完的圖像fn=f0;fnew=zeros(N,N);Error=10;n=0;whileError>0.004n=n+1; %計算迭代次數ifn>40 %fprintf('迭代次數過大，程序終止\r\n');breakendf_blur=conv2(fn,h,'valid');%對fn進行模糊處理，模板還是h。fnew=fn;g1_sim=zeros(M,M);g2_sim=zeros(M,M);g3_sim=zeros(M,M);g4_sim=zeros(M,M);%進行退化處理，得到4張圖畫之后的圖像，方式和前面用的一樣。g1_sim(1:1:M,1:1:M)=f_blur(1:2:N-1,1:2:N-1);g2_sim(1:1:M,1:1:M-1)=f_blur(1:2:N-1,2:2:N-2);g3_sim(1:1:M-1,1:1:M)=f_blur(2:2:N-2,1:2:N-1);g4_sim(1:1:M-1,1:1:M-1)=f_blur(2:2:N-2,2:2:N-2);%進行圖像對應相減之后的誤差求和。sum1=0;sum2=0;sum3=0;sum4=0;e1=g1-g1_sim;E1=imresize(e1,2,'bilinear');sum1=sum(sum(e1.^2)');fori=1:1:Nforj=1:1:Nfnew(i,j)=fnew(i,j)+0.25*E1(i,j); %將對應的誤差值疊加到圖像上end;end;e2=g2-g2_sim;E2=imresize(e2,2,'bilinear');sum2=sum(sum(e2.^2)');fori=1:1:Nforj=1:1:N-1fnew(i,j+1)=fnew(i,j+1)+0.25*E2(i,j); %的誤差值疊加到圖像上end;end;e3=g3-g3_sim;E3=imresize(e3,2,'bilinear');sum3=sum(sum(e3.^2)');fori=1:1:N-1forj=1:1:Nfnew(i+1,j)=fnew(i+1,j)+0.25*E3(i,j);end;end;e4=g4-g4_sim;E4=imresize(e4,2,'bilinear');sum4=sum(sum(e4.^2)');fori=1:1:N-1forj=1:1:N-1fnew(i+1,j+1)=fnew(i+1,j+1)+0.25*E4(i,j);end;end;SUM=sum1+sum2+sum3+sum4;Error=sqrt(SUM)/(4*128*128);%計算經過迭代之后的誤差值fn=fnew;end%-------------------------------------------------------%4將迭代處理滯后的圖像保存，得到SR圖像%-------------------------------------------------------fn=fnew;sr=uint8(fn);imwrite(sr,'SR_HR.jpg');figure(4);imshow(fn,[]);axisimagecolormap(gray(256));title('TheSuper-Resolutionimage');哈爾濱工業大學（威海）課程設計報告TheSuper-Resolutionimage界面圖哈爾濱工業大學（威海）課程設計報告哈爾濱工業大學（威海）課程設計報告四.課程設計總結matlab256*256化模型還有反向投影的迭代算法，得到了不一樣的圖像。最后處理得到的圖像明顯優于剛開始的圖像。經過超分辨率的圖像優于插值技術的圖像，邊緣更加光滑。通過一系列的對比，最后能夠確認在生活中，處理圖像應該選擇性能更加優越的超分辨率法。五.設計體會matlab了對于圖像處理的方法。插值技術以及超分辨率重建圖像方法。更加能夠熟悉地應用matlab這款軟件，同時為能夠解決一些生活中遇到的問題感到自豪。另外，通過學習圖像處理，了解了迭代算法。而且通過網上的查找以及同學之間的相互合作，能夠更加迅速地完成任務。這次課設，可謂是收獲良多，既鍛煉了自己的能力，又掌握了豐富的知識。六．參考文獻210096學與工程學院廣州510006蘇秉華金偉其超分辨率影像復原及其進展光學技術2001符祥郭寶龍圖像插值技術綜述計算機工程與設計高嵐,方康玲,付旭,周東杰;一種邊緣保護的灰度圖像插值算法[J]大學學報(自然科學版