圖像空間分辨率是紅外成像系統(tǒng)的一項重要技術指標,它直接決定了成像系統(tǒng)在遙感紅外成像、故障檢測、醫(yī)學圖像分析及敵我識別等領域的應用前景。而當前的紅外成像技術依然存在著信噪比低、對比度弱和高頻細節(jié)信息少等缺點,如何提高紅外成像系統(tǒng)所獲取圖像的分辨率成為了人們急需解決的重要問題。增大感光器尺寸和減小像元尺寸等改進硬件設計的方案是提高成像分辨率最直接的方式。但是,這些方式的成本較大,而且存在著不可打破的物理極限,這使得這些方式只能有限地提升成像系統(tǒng)的分辨率。因此,論文將重點研究紅外成像系統(tǒng)的超分辨率重建技術,提出了三種超分辨率重建算法以及探討了一種聯(lián)合圖像配準的超分辨率重建技術的驗證方法,最后設計搭建了實時的紅外超分辨率成像系統(tǒng)。論文的主要工作及創(chuàng)新之處包括:（1）單幀圖像的超分辨率重建技術。論文首先研究了三種多項式插值超分辨率重建技術及兩種基于學習的超分辨率重建技術。針對生成式對抗超分辨率重建網絡獲得的高分辨率圖像只具有高度真實視覺效果,客觀質量評價指標卻不高的問題,論文提出了一種融合網絡的超分辨率重建技術。重建網絡由三個部分組成,其中生成式對抗網絡部分重建初始高分辨率圖像,梯度轉換網絡部分... 

【文章頁數(shù)】：135 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 超分辨率重建算法的發(fā)展與現(xiàn)狀
    1.3 超分辨率紅外成像系統(tǒng)的發(fā)展與現(xiàn)狀
    1.4 論文的主要研究內容及結構安排
第2章 超分辨率重建技術的相關理論
    2.1 成像系統(tǒng)分辨率限制因素
    2.2 超分辨率重建的圖像退化模型
    2.3 超分辨率重建理論基礎
    2.4 超分辨率重建的圖像質量評價
        2.4.1 主觀評價方法
        2.4.2 客觀評價方法
    2.5 本章小結
第3章 單幀圖像超分辨率重建技術
    3.1 基于插值的單幀圖像超分辨率重建技術
        3.1.1 最近鄰域插值法
        3.1.2 雙線性插值法
        3.1.3 雙三次插值法
    3.2 基于學習的單幀圖像超分辨率重建技術
        3.2.1 基于稀疏表示的超分辨率重建技術
        3.2.2 基于卷積神經網絡的超分辨率重建技術
    3.3 基于融合神經網絡的單幀圖像超分辨率重建技術
    3.4 實驗結果及分析
    3.5 本章小結
第4章 多幀圖像超分辨率重建技術
    4.1 非均勻性插值法
    4.2 基于重建約束的多幀圖像超分辨率重建算法
        4.2.1 迭代反投影法
        4.2.2 凸集投影法
        4.2.3 最大后驗概率法
        4.2.4 最大后驗概率法/凸集投影法混合方法
    4.3 聯(lián)合圖像配準及重建的最大后驗概率法算法
        4.3.1 聯(lián)合算法理論
        4.3.2 實驗結果與分析
    4.4 基于生成式對抗神經網絡的多幀超分辨重建算法
        4.4.1 重建網絡結構及理論
        4.4.2 實驗結果及分析
    4.5 本章小結
第5章 基于圖像配準的超分辨率重建技術驗證方法
    5.1 算法原理
    5.2 配準實驗
    5.3 噪聲實驗
    5.4 本章小結
第6章 基于可控微位移的紅外超分辨率成像系統(tǒng)
    6.1 亞像元超分辨率成像系統(tǒng)
        6.1.1 光學亞像元超分辨率成像系統(tǒng)
        6.1.2 視場亞像元超分辨率成像系統(tǒng)
    6.2 微掃描超分辨率成像系統(tǒng)
        6.2.1 平板旋轉微掃描超分辨率成像系統(tǒng)
        6.2.2 壓電陶瓷微掃描超分辨率成像系統(tǒng)
    6.3 基于可控微位移的紅外超分辨率成像系統(tǒng)
        6.3.1 可控微位移紅外成像系統(tǒng)結構
        6.3.2 圖像獲取與位移精度分析
        6.3.3 紅外圖像超分辨率重建
    6.4 本章小結
第7章 總結與展望
    7.1 論文總結
    7.2 研究展望
參考文獻
致謝
作者簡歷及攻讀學位期間發(fā)表的學術論文與研究成果


【參考文獻】：
期刊論文
[1]生成式對抗神經網絡的多幀紅外圖像超分辨率重建[J]. 李方彪,何昕,魏仲慧,何家維,何丁龍.  紅外與激光工程. 2018(02)
[2]圖像超分辨率重建的研究進展[J]. 曾凱,丁世飛.  計算機工程與應用. 2017(16)
[3]基于深層卷積網絡的單幅圖像超分辨率重建模型[J]. 龍法寧,朱曉姝,胡春嬌.  廣西科學. 2017(03)
[4]超分辨率重建技術研究進展[J]. 胡彥婷,陳建軍,杜守洪.  信息技術. 2017(05)
[5]多任務學習框架下激光全息圖像超分辨率重建[J]. 王佳欣,米捷.  激光雜志. 2017(02)
[6]基于微掃描的紅外超分辨率成像系統(tǒng)的設計[J]. 代少升,張德洲,崔俊杰,張綃綃.  半導體光電. 2017(01)
[7]基于超分辨率重建的亞像素圖像配準[J]. 李方彪,何昕,魏仲慧,馬鑫.  光學精密工程. 2017(02)
[8]有監(jiān)督多類字典學習的單幅圖像超分辨率重建[J]. 吳從中,胡長勝,張明君,謝珍珠,詹曙.  光電工程. 2016(11)
[9]Video super-resolution reconstruction based on deep convolutional neural network and spatio-temporal similarity[J]. Li Linghui,Du Junping,Liang Meiyu,Ren Nan,Fan Dan.  The Journal of China Universities of Posts and Telecommunications. 2016(05)
[10]基于稀疏表示的單幀超分辨率重建（英文）[J]. 謝超,路小波,曾維理.  Journal of Southeast University（English Edition）. 2016(02)

博士論文
[1]航空圖像超分辨率重建關鍵技術研究[D]. 何林陽.中國科學院研究生院(長春光學精密機械與物理研究所) 2016
[2]基于稀疏表示模型的圖像復原技術研究[D]. 張健.哈爾濱工業(yè)大學 2014
[3]基于POCS的紅外弱小目標超分辨率復原算法研究[D]. 陳健.中國科學院研究生院(長春光學精密機械與物理研究所) 2014
[4]基于稀疏表示的超分辨率重建和圖像修復研究[D]. 李民.電子科技大學 2011
[5]紅外成像觀測系統(tǒng)性能評價方法研究[D]. 寇小明.西安電子科技大學 2011
[6]高分辨率紅外成像中的圖像處理算法研究[D]. 白俊奇.南京理工大學 2010
[7]紅外圖像處理中的關鍵算法研究[D]. 簡耀波.華中科技大學 2009
[8]基于圖像建模理論的多幅圖像正則化超分辨率重建算法研究[D]. 邵文澤.南京理工大學 2008
[9]提高星載紅外成像系統(tǒng)空間分辨率的關鍵技術研究[D]. 賴睿.西安電子科技大學 2007
[10]超分辨率重建問題的研究[D]. 郭曉新.吉林大學 2005

碩士論文
[1]基于字典學習的超分辨率方法應用研究[D]. 蘇美.深圳大學 2017
[2]圖像超分辨率重構算法研究[D]. 李亞茹.北方工業(yè)大學 2017
[3]基于學習的超分辨率重建算法研究[D]. 安娜.哈爾濱理工大學 2017
[4]基于冗余字典的超分辨率圖像復原研究[D]. 王璐.哈爾濱理工大學 2017
[5]基于微掃描的紅外超分辨率成像技術研究[D]. 劉琴.重慶郵電大學 2016
[6]圖像超分辨率重建方法的研究與實現(xiàn)[D]. 趙亞輝.北京交通大學 2016
[7]紅外圖像的超分辨率重構算法研究[D]. 相鵬鵬.華南理工大學 2016
[8]基于正則化方法的多幀圖像超分辨率重建及其硬件實現(xiàn)[D]. 陳澤奇.華南理工大學 2016
[9]紅外成像超分辨率圖像重建算法研究[D]. 何陽.中國科學院研究生院(長春光學精密機械與物理研究所) 2015
[10]紅外顯微圖像超分辨重建算法研究[D]. 陳景楊.北京理工大學 2015



本文編號：3650952