【摘要】：利用圖像序列對目標(biāo)進(jìn)行三維重建在目標(biāo)偵察、識別、導(dǎo)航以及測繪等方向有重要的使用價值。合成孔徑成像原理具有魯棒性、可靠性以及較高的空間分辨率。本論文基于光學(xué)非相參合成孔徑成像原理,分別對可見光與激光圖像序列超分辨率三維重建進(jìn)行研究,主要內(nèi)容如下:(1)改進(jìn)了可見光圖像序列合成孔徑超分辨率成像方法。提出了基于Keren配準(zhǔn)和BTV正則化的超分辨率重建方法,優(yōu)化了合成孔徑圖像超分辨率重建過程,該方法能夠保留圖像序列中的亞像素級信息,并具有較強(qiáng)的魯棒性。使用圖像的灰度值與平均灰度值的差值之和代替圖像的信息熵,使用差值的平方和乘積開根號的形式代替圖像的聯(lián)合信息熵,提出了基于合成孔徑相關(guān)度以及相容信息量的聚/散焦評價函數(shù),相比同類方法在計算速度上得到提高。(2)對合成孔徑超分辨率單目、雙目視覺目標(biāo)三維深度獲取方法進(jìn)行實驗仿真。針對單目合成孔徑成像方法不能較好地抑制共模誤差與散焦像干擾的問題,提出了雙目合成孔徑成像方法對其進(jìn)行改進(jìn)。單目視覺成像方法相比基于其他同類評價標(biāo)準(zhǔn)的方法,有較好的成像效果。雙目視覺成像方法相比單目視覺成像,能夠更好地抑制共模誤差以及散焦像的干擾,具有良好的穩(wěn)定性及魯棒性。(3)提出了一種共激光照射源超空間分辨率三維重建方法。針對3D非掃描激光雷達(dá)空間分辨率較低的問題,將2D傳感器得到的激光回波強(qiáng)度信息與3D激光雷達(dá)得到的目標(biāo)深度信息基于合成孔徑成像原理進(jìn)行數(shù)據(jù)融合,實現(xiàn)超越2D傳感器與3D激光雷達(dá)空間分辨率的三維成像。實驗結(jié)果表明,該方法能夠在不改變3D激光雷達(dá)構(gòu)造的情況下提升其空間分辨率。
【圖文】：

（d）雙線性插值重建結(jié)果 （e）雙三次插值重建結(jié)果 （f）本章方法 15 次迭代結(jié)果圖 3. 2 圖像超分辨率重建結(jié)果對比由圖 3.2 可以看出，本章方法經(jīng)過 15 次迭代后的超分辨率重建結(jié)果相比基于插值的超分辨率重建結(jié)果，能夠較好地抑制低分辨率圖像中的運動和噪聲干擾，且能夠較好地結(jié)合低分辨率圖像中包含的亞像素級信息，還原圖像的細(xì)節(jié)。為了量化評價本章方法的超分辨率重建效果，對基于插值的超分辨率重建算法和本章方法以峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和均方誤差（Mean-Square Error，MSE）作為客觀評價標(biāo)注，其結(jié)果如表 3.2 所示。表 3. 2 圖像超分辨率重建算法量化評價圖像超分辨率算法 PSNR MSE雙線性插值 21.0725 22.5381雙三次插值 20.2472 24.7846本章方法 15 次迭代結(jié)果 25.6980 13.2324由表 3.2 可以看出，本章方法相比與基于插值的超分辨率重建算法，有更高的峰值信噪比以及更低的均方誤差，對噪聲具有較強(qiáng)的魯棒性，能夠較好的還原圖像細(xì)節(jié)，適用于合成孔徑圖像超分辨率三維重建過程。

c， f 表示相機(jī)的焦距，cL 表示相機(jī)傳感器上相鄰像素點之間的距離。設(shè)基準(zhǔn)相機(jī)成像的圖像為 0c x ,y ，則單目合成孔徑疊加成像 c x ,y 可以表示為： 0, ,czLc x y c x y h xBf （， h k 表示相機(jī)陣列合成孔徑成像的擴(kuò)散核函數(shù)，相當(dāng)于光學(xué)合成孔徑成像中的點其表達(dá)式為： 1,0,K k Kh k 其他（的點擴(kuò)散函數(shù)和光學(xué)的合成孔徑擴(kuò)散核函數(shù)不太一樣，其擴(kuò)散方式是離散的，物理為所有相機(jī)的成像的疊加。隨著相機(jī)排列方式的不同，，核函數(shù) h k 也會隨著擴(kuò)散方化。式（4.1）中的像差是亞像素級的，可以作為圖像超分辨率重建的基礎(chǔ)。在實際成像過程中，由于相機(jī)傳感器上的像素點數(shù)目是一定的，因此圖像序列中的相當(dāng)于是三維物體映射到二維傳感器上，經(jīng)過降采樣處理的樣本切片集合。合成孔由兩部分組成：采樣部分和數(shù)字重建部分，如圖 4.3 所示。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柴樺;;基于深度卷積網(wǎng)絡(luò)的壓縮人臉超分辨率研究[J];信息與電腦(理論版);2019年18期

2 朱海;王國中;范濤;楊露;;基于深度超分辨率重建的監(jiān)控圖像人臉識別[J];電子測量技術(shù);2018年16期

3 付龍;呂曉琪;李婷;谷宇;;基于擴(kuò)散的自適應(yīng)超分辨率重建[J];現(xiàn)代電子技術(shù);2017年10期

4 劉芳華;阮若林;王建峰;倪浩;;基于在線字典學(xué)習(xí)的人臉超分辨率重建[J];現(xiàn)代電子技術(shù);2017年13期

5 衛(wèi)小強(qiáng);;基于仿生學(xué)多源圖像超分辨率重建的并行優(yōu)化研究[J];電腦編程技巧與維護(hù);2017年13期

6 廖海斌;陳友斌;陳慶虎;;基于非局部相似字典學(xué)習(xí)的人臉超分辨率與識別[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2016年10期

7 王宇輝;;圖像超分辨率重新建立技術(shù)綜述[J];科技創(chuàng)業(yè)月刊;2016年17期

8 賈志城;;視頻超分辨率重建及其刑偵應(yīng)用[J];中國有線電視;2015年08期

9 趙U

本文編號：2612653