详情

原文传递正则化交通图像超分辨率重建技术研究

论文题名：	正则化交通图像超分辨率重建技术研究
关键词：	正则化超分辨率模型;运动模糊;交通图像;超分辨率;降质模型;散焦;距离场
摘要：	交通图像处理可以有效改善交通图像的质量。但是由于交通环境的特殊性，交通图像往往会受复杂降质因素的影响，特别是一些需要非实时处理的交通事故图像，需要一些比较复杂的方法对这些交通图像进行处理，才能取得较好的效果。超分辨率是指对低分辨率图像进行处理得到高分辨率的过程。目前，基于模型的序列图像超分辨率技术已被证明是一种提高图像质量的有效方法。它以理论和经验设定降质模型，将图像的降质过程转化为降质模型作用于图像信号的过程。在重建过程中，以实现上述降质过程的反过程为基础，加入某些约束条件，充分利用同一场景下多幅低分辨率降质图像的互补信息，从而得到较好的重建效果。　　利用正则化超分辨率重建能够有效的处理交通图像。因此，针对交通图像的特殊性，对正则化超分辨率模型进行研究；对交通环境中常见降质因素进行研究，针对这些降质因素建立降质模型；最后将降质模型融入正则化超分辨率模型中，重建降质交通图像。本文的研究内容主要包括：　　对正则化超分辨率模型进行了研究。主要包括正则化参数和正则化算子，根据实际交通图像噪声不固定的现象，提出一种鲁棒的自适应正则化超分辨率模型，以图像统计信息为依据，将图像信噪比作为正则化参数控制迭代过程，从而达到迭代收敛和去除噪声的目的。同时研究多种经典边缘检测算子对算法的影响，根据交通图像对纹理和边缘的需求，提出将改进的Sobel算子应用于正则化重建中，使之既能满足交通图像重建中去噪、去模糊，又能保证轮廓和细节信息的特殊需要。　　对运动模糊和散焦复合模糊模型进行了研究。运动模糊和散焦是交通图像中较为常见的降质因素，并且二者可能同时发生，会严重影响交通图像的质量。在分析标准运动模糊和散焦模糊模型的基础上，根据交通图像的降质特性和光的衍射特性，提出一种运动模糊和散焦模糊共存的复合模糊模型，并根据模型特征，提出一种基于自相关的两方向参数估计方法，能够有效解决运动模糊和散焦模糊共存的交通图像模糊问题。　　对雾模糊模型进行了研究。雾是一种交通环境中常见的天气，会严重影响交通图像的质量。在分析大气衰减模型的基础上，讨论了雾模糊模型及其简化模型，根据交通图像的特点，提出一种适合交通图像的距离场模型，并提出了一种基于序列交通图像的参数估计方法，将灰度差作为反馈，迭代修正景深分布模型，从而达到建立精确雾模型的目的。　　对复杂降质交通图像的正则化超分辨率重建进行研究。针对复杂降质交通图象，以正则化图像超分辨率为基础，分析复杂降质交通图像的成像过程，对运动模糊、散焦、和雾模糊等降质因素单独存在或同时存在时的降质模型和重建模型进行研究，能够对复杂降质交通图像进行有效的超分辨率重建。
作者：	李楠
专业：	交通运输工程；交通信息工程及控制
导师：	黄卫;路小波
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2012
正文语种：	中文