含噪图像超分辨率算法研究

Due to the influence of imaging environment and the physical limitations of imaging system, the received digital image is usually of low resolution (LR) and degenerated by noise. When operating on noisy images, most conventional super resolution (SR) approaches concentrate on the resolution enhancement step and get rid of image noise via other image denoising methods. Since the relations between resolution enhancement and denoising are neglected, denoising separately is prone to degrade the quality of image details. In order to reconstruct high-resolution (HR) images with pleasant details, on one hand, this project manages to facilitate the conventional SR approaches to noisy images, on the other hand, a simultaneous resolution enhancement and image denoising framework with respect to the input data is investigated. Firstly, to improve non-local means filter with good detail preservation, a new pixel selection strategy which adapts to the local image structure will be studied. Secondly, in order to avoid blur artifacts caused by insufficient information from a single three-dimensional neighborhood, a simultaneous noisy video SR approach will be proposed by incorporating video’s spatiotemporal correlation with video redundancy, where the video redundancy will be explored by using a new criterion that measures the local spatiotemporal structure. Finally, the multiscale self-similarity of noisy image and the mechanism which causes noise amplification will be explored to deduce a simultaneous noisy image SR approach with the high-order mapping function estimation and the noise-reduction strategy, so as to overcome the inaccurate mapping function and noise amplification problem in the process of super-resolving a single noisy image.

受成像环境和成像设备物理条件的限制，所获数字图像往往分辨率低且包含噪声。对于含噪图像，传统图像超分辨率算法大多着重考虑分辨率增强，而将噪声去除单独处理，由于鲜少考虑两者之间的联系，独立的去噪操作容易降低图像细节。本项目以获得细节清晰的高分辨率图像为目标，一方面，改善传统算法对含噪图像的处理效果，另一方面，结合输入数据特点，研究同步进行分辨率增强和噪声去除的超分辨率算法。首先，本项目从提高去噪操作的细节保持能力出发，研究与图像局部几何结构一致的像素选择策略。其次，对于含噪视频，为解决因三维邻域信息不足而导致的细节模糊，本项目将研究三维邻域时空结构相似性的度量准则，进而提出结合时空相关和内容相关的含噪视频超分辨率算法。最后，针对含噪图像在分辨率增强中的分辨率映射函数精度有限和噪声放大问题，本项目将研究含噪图像的多尺度自相似特性和噪声放大机理，提出映射函数的高阶估计和相应的噪声抑制方法。

本研究针对数字图像获取过程中分辨率低且包含噪声的问题，分别从同步和异步超分辨率重建两个角度，提出含噪图像超分辨率重建的解决方式。第一，本研究考虑到现有的含噪超分辨率重建方法大多将超分辨率重建和噪声去除分开处理，从而对噪声去除环节进行了分析和研究。在基于非局部去噪算法框架的基础上，本研究提出了一种椭圆搜索框对局部纹理结构进行捕捉，从而弥补了原有的矩形搜索框难以获得局部结构信息的缺陷。其次，针对现有的去噪算法往往假定图像噪声方差恒定的缺陷，本研究提出了一种新的图像像素分类方法。在使用噪声-纹理含量算子的基础上，使用投票策略方式实现图像像素的细分类，并根据图像分类区域的性质启发式地选择去噪参数。第二，高维含噪图像的超分辨率重建。本研究将含噪图像超分辨率重建算法应用到MRI三维医学图像上，提出将传统的零阶框架扩展为二阶的方法。该方法为不仅利用单个磁共振图像中的自相似性，而且还利用了相邻磁共振切片中存在的内部相似性，从而为图像重建这一逆问题提供更多的图像信息。第三，同步含噪图像超分辨率重建。本研究探索单帧含噪图像超分辨率重建算法噪声放大的原因，并利用多尺度金字塔图像的降噪特性，提出了一种可同时插值和去噪方案，将该方案代替原算法框架的简单插值，实现了同步的超分辨率重建和去噪。综合以上三个方面，我们的研究思路，对于含噪图像的超分辨率重建研究有着重要的参考意义。