基于多曲面拟合和单帧学习信息的图像超分辨率方法

Although video surveillance system has been widely applied in many fields, the existsing surveillance images and videos are of low resolution and poor visibility, which results in the difficulty of object recognition. Therefore, we propose a super-resolution method based on multiple surfaces fitting and single frame learning, with the aim of enhancing image resolution and promoting the discriminability for objects on the basis of current surveillance images. The main contents contain several key techniques,including new approaches of sub-pixel registeration for objects with independent perspective motions, interpolation-based reconstruction using multiple surfaces fitting, learning-based method via incoherent sub-dictionaries learning and the mergence of the single frame learning with multiple frames method. The results obtained from this project are expected to improve both theorical level and applicational ability of our country on the areas such as video surveillance,remote sensing & telemetry, medical imaging and high-definition display.

视频监控得到了日益广泛的应用，但现有的视频监控系统存在目标图像分辨率低、清晰度不够等问题，导致了目标辨识的困难。为此，本项目提出基于多曲面拟合与单帧学习信息的图像超分辨率方法，拟在现有的视频监控图像质量基础之上显著提高图像分辨率，以便提高目标的辨认程度。围绕超分辨率所涉及的关键技术，本项目主要研究内容包括：针对投影变换的局部目标亚像素配准新方法、基于多曲面拟合新思路的插值重建、基于不相关子字典的学习型超分辨率新方法、以及单帧学习和多帧重建相结合的新方案等四部分内容。预期研究成果将提高图像超分辨率的理论研究水平及其在视频监控、遥感遥测、医学成像及高清显示等领域的应用能力。

由于成像条件和成像设备的制约，我们获取的往往都是模糊且并被噪声干扰的低分辨率图像。高分辨的图像包含更多的图像细节信息，因而如医学成像，遥感成像，视频监控及超高清电视等实际应用对高分辨率的图像有着迫切的需要。为此，本项目提出基于多曲面拟合的多帧图像超分辨与基于学习和约束重建的单帧图像超分辨算法来获取视觉质量良好的高分辨率图像。本项目的主要研究成果包括：提出了由粗到精的亚像素配准新方法、基于多曲面拟合的多帧图像超分算法、基于一致性编码的单帧图像超分辨方法、基于局部与非局部约束的单帧图像超分辨率重建方法和基于自样本标定邻域回归的单帧图像超分辨率算法。通过对比实验，我们发现本项目提出的算法达到了国际领先的图像超分辨性能。相关研究成果也得到国际同行的认可，并发表在国际知名会议和国际一流期刊上。本项目研究成果提高了图像超分辨的理论研究水平并可以有效地应用于视频监控、遥感成像和高清电视显示等领域来解决实际的工程难题。