多视点图像超分辨率重建研究

多视点图像超分辨率重建是利用多幅不同视点的关于同一场景的低质量、低分辨率的图像，通过软件算法，重建得到高质量、高分辨率的图像，从而提高成像系统固有的分辨率局限。现有的超分辨率重建基本上都只针对单视点图像，并没有考虑现实生活中更广泛应用的多个摄像机从多个视点同时捕捉同一场景的情况（比如视频监控）。本项目旨在发展多视点图像的超分辨率重建理论，研究重点包括：（1）研究基于贝叶斯分析的方法的多视点图像退化模型建模；（2）发展多视点情况下基于视差估计和马尔科夫随机场的目标遮挡的分析方法；（3）发展基于马尔科夫链蒙特卡罗的图像退化模型参数估计和图像重建方法。上述研究方法和结果将在视频监控等实际应用问题上进行实验验证，期望有效地提高监控图像的分辨率和清晰度，并有望在军事国防、三维立体电视等方面得到广泛的应用。

多视点图像超分辨率重建的目标是利用多个不同视点的低分辨率图像之间的互补信息，生成高分辨率图像。与传统的单视点图像超分辨率重建（单一摄像机）相比，本项目开展的多视点图像超分辨率重建（多个摄像机同时对同一场景进行捕捉）的研究具有更广泛的应用场景和重要的理论研究意义。主要成果包括：（1）新的多视点图像退化模型。提出了对小波域系数进行概率模型建模，将图像显著性分析引入图像退化模型建模。（2）新的退化模型参数估计方法。提出了基于全变分的图像噪声估计方法，利用小波域统计特性，与蚁群智能算法相结合，提高退化模型参数估计准确度。（3）新的目标遮挡分析和图像配准方法。提出了双正则化和多分辨率的图像配准方法，基于蚁群算法的深度图插值和增强算法，有效地提高深度图的图像质量。（4）新的图像重建算法。提出了新的图像重建代价函数，结合最小平方优化算法，同时对重建图像和正则化参数进行混合优化求解，提高重建图像的质量。上述成果在实际监控视频的应用上进行了验证，取得了有效的超分辨率效果。共发表论文20 篇（其中SCI 国际期刊论文12 篇），已申请国家发明专利4 项，培养硕士研究生3 名，达到了预期的研究目标。