基于MAP的图像超分辨率重建算法研究开题报告

1. 研究目的与意义

研究的意义：数字图像处理技术自20世纪60年代发展至今，已广泛应用于几乎所有与成像有关的领域，图像作为重要的信息表达和传递方式，更加清晰的图像意味着更加明晰准确的信息表达、更好的视觉感受以及更加准确的信息认知。

因此，在大多数数字图像处理系统中，都要对图像做后期处理，以获得更清晰的图像。

然而通过改善硬件设备来提高图像分辨率的方法代价较高，并且在短期内很难克服一些特定成像系统的技术难题。

2. 国内外研究现状分析

国外：频域法：频域法的基本思想是傅里叶转化下的混叠原理，极其简单易懂。

虽然在真正求解混叠时存在计算量较大等问题，可是它的主要思路很简单。

20世纪60年代，harris和goodman提出了频谱外推的方法，将带限信号外推的方法对偶的运用到了光学图像的超分辨率重建中，奠定了超分辨率技术的数学基础；1984年，tsai和huang首次提出了频域超分辨率重建技术，他们利用低分辨率退化图像序列的频域信息，进行空间分辨率的增强，得到重建后的高分辨率图像。

3. 研究的基本内容与计划

研究内容：sr 重建的研究主要包括两个重要的方面：一是图像观测模型的数学建模研究；二是基于数学观测模型的图像处理算法研究和性能优化。

我研究的主要内容是：1.正则化重建算法研究基于最大后验概率（map）框架的正则化超分辨率重建算法。

总结现有的正则化重建算法，并对重建算法的性能进行分析；比较选取不同约束项的重建效果，并针对其中的不足提出相应的改进方法。

4. 研究创新点

分析了现有重建算法中存在的不足，并且在算法中增加了关于丢失的观察信息的估计，利用双正则化方法来进行迭代更新，使重建图像的信噪比得到了有效的提高。

分析了迭代过程中代价函数各项的变化，提出了一种基于分段函数的参数选取方法。

能够提高算法的收敛速度，并保证结果收敛到一个较好的值。