数字图像处理课设.doc
《数字图像处理课设.doc》由会员分享，可在线阅读，更多相关《数字图像处理课设.doc（14页珍藏版）》请在冰点文库上搜索。
数字图像处理
课程设计报告
课设题目：
超分辨图像重建
学院：
信息科学与工程学院
专业：
电子与信息工程
班级：
姓名：
学号：
指导教师：
哈尔滨工业大学（威海）
2013年
12月
26日
一.课程设计任务 1
二.课程设计原理及设计方案 2
三.课程设计的步骤和结果 4
四.课程设计总结 11
五.设计体会 11
六．参考文献 11
哈尔滨工业大学（威海）课程设计报告
一.课程设计任务
在视频监控、图像追踪等应用中，由于图像摄取系统的分辨率较低，图
像较为模糊，使得目标识别等问题变得困难。
现有一组低分辨率图像，图像大
小为500*500，由于常规的图像插值技术可能导致图像边缘模糊，试设计一种
超分辨率重建方法，使得图像边缘尽可能保持较好的陡峭性，获得清晰的高分
辨率图像。
要求完成功能：
1、获取低分辨率图像
2、设计超分辨图像重建方法获得2倍大小的超分辨图像；
3、对放大后的图像与一般的插值技术进行放大后的图像进行比较，并对
比分析采用方法的优缺点。
4、设计软件界面。
二.课程设计原理及设计方案
2.1、插值技术
插值问题的提法是：
假定区间[a，b]上的实值函数f（x）在该区间上n+1个互不相同点x0，x1……xn处的值是f（x0），……f（xn），要求估算f（x）在[a，b]中某点x*的值。
基本思路是，找到一个函数P（x），在x0，x1……xn的节点上与f（x）函数值相同（有时，甚至一阶导数值也相同），用P（x*）的值作为函数f（x*）的近似。
函数类其通常的做法是：
在事先选定的一个由简单函数构成的有n+1个参数C0，C1，……Cn的Φ（C0，C1，……Cn）中求出满足条件P（xi）=f（xi）（i=0，1，……n）的函数P（x），并以P（）作为f（）的估值。
此处f（x）称为被插值函数，x0，x1，……xn称为插值结（节）点，Φ（C0，C1，……Cn）称为插值函数类，上面等式称为插值条件，Φ（C0，……Cn）中满足上式的函数称为插值函数，R（x）=f（x）－P（x）称为插值余项。
当估算点属于包含x0，x1……xn的最小闭区间时，相应的插值称为内插，否则称为外插。
2.2迭代反投影法
Irani和Peleg提出了一种迭代反投影超分辨率重建方法。
在该方法中，通过对模拟LR图像和观测LR图像的误差进行迭代反投影得到HR图像。
令输入的K幅观测LR序列图像为，分辨率均为[],待估计的HR图像在x,、y方向分辨率均扩大1倍，即用IBP方法估计HR图像的公式可表示为：
式中是第n次迭代所得到的第K幅模拟LR图像，它依据实际LR图像间的位移信息生成。
表示为估计所用到的LR位置集合。
为反投影核，它决定误差对的影响方式。
IBP算法流程如下图。
2.3、超分辨率图像重建
采用信号处理的方法从多个可观察到的低分辨率（简称LR）图像得到高分辨率图像。
在基于SR的空间分辨率增强技术中，其基本前提是通过同一场景可以获取多幅LR细节图像。
在SR中，典型地认为LR图像代表了同一场景的不同侧面，也就是说LR图像是基于亚像素精度的平移亚采样。
如果仅仅是整数单位的像素平移，那么每幅图像中都包含了相同的信息，这样就不能为HR图像的复原提供新的信息。
如果每幅LR图像彼此之间都是不同的亚像素平移，那么它们彼此之间就不会相互包含，在这种情况下，每一幅LR图像都会为HR图像的复原提供一些不同的信息。
为了得到同一场景的不同侧面，必须通过一帧接一帧的多场景或者视频序列的相关的场景运动。
我们可以通过一台照相机的多次拍摄或者在不同地点的多台照相机获取多个场景，例如在轨道卫星一类可控制的图像应用中，这种场景运动是能够实现的；对于局部对象移动或者震荡一类的不可控制的图像应用也是同样能实现的。
如果这些场景运动是已知的或者是在亚像素精度范围了可估计的，同时如果我们能够合成这些HR图像，那么SR图像复原是可以实现的.与SR技术相关的另一个课题是图像插值，即增加单幅图像的尺寸。
尽管这个领域已经被广泛地研究，即使一些基本的功能已经建立，从一幅近似的LR图像放大图像的质量仍然是有限的，这是因为对单幅图像插值不能恢复在LR采样过程中损失的高频部分。
因此图像插值方法不能被认作是SR技术。
为了在这方面有更大的改进，下一步就需要应用基于同一场景的相关的额外数据。
基于同一场景的不同的观察信息的融合就构成了基于场景的SR复原。
三.课程设计的步骤和结果
3.1获得原始图像的黑白灰度图像
N=256;
M=128;
[filename,pathname]=uigetfile（{'*.jpg';'*.bmp';'*.tif';'*.*'},'载入图像'）;%设置文件类型，保存文件名称以及路径；
ifisequal（filename,0）|isequal（pathname,0）
errordlg（'没有选中文件','出错'）;%没有选中时的报错提示
return;
else
file=[pathname,filename];
S=file;%将文件名和路径名称进行组合，并赋值给S；
original=double（rgb2gray（imread（file）））;
%original=double（imread（file））;
end
figure
（1）;
imshow（original,[]）;%这里显示的是原始的高分辨率图像。
axisimage
colormap（gray（256））;%用colormap函数保证显示为黑白灰度图像
title（'originalimage'）;
original_1=uint8（original）;
imwrite（original_1,'original_gray.jpg'）;
3.2获得低分辨图像
h=1/4*[11;11];%模糊处理模板，去除高频噪声
blur_image=conv2（original,h,'valid'）;%Blurringtheimage对原始图像进行模糊处理
%Performingdecimation:
下采样子像素位移
Decimated1=blur_image（1:
2:
N-1,1:
2:
N-1）;%Referenceframe参考帧作为参考图像
a1=uint8（Decimated1）;
imwrite（a1,'Decimated1.jpg'）;
Decimated2=blur_image（1:
2:
N-1,2:
2:
N-2）;
a2=uint8（Decimated2）;
imwrite（a2,'Decimated2.jpg'）;
Decimated3=blur_image（2:
2:
N-2,1:
2:
N-1）;
a3=uint8（Decimated3）;
imwrite（a3,'Decimated3.jpg'）;
Decimated4=blur_image（2:
2:
N-2,2:
2:
N-2）;
a4=uint8（Decimated4）;
imwrite（a4,'Decimated4.jpg'）;
figure
（2）;
imshow（Decimated1,[]）;
axisimage
colormap（gray（256））;
title（'128*128image'）;
3.3获得迭代初始图像
Interpolated1=imresize（Decimated1,2,'bicubic'）;
f0=Interpolated1;
g1=zeros（M,M）;
g2=zeros（M,M）;
g3=zeros（M,M）;
g4=zeros（M,M）;
g1=Decimated1;
g2（1:
1:
M,1:
1:
M-1）=Decimated2（1:
1:
M,1:
1:
M-1）;
g3（1:
1:
M-1,1:
1:
M）=Decimated3（1:
1:
M-1,1:
1:
M）;
g4（1:
1:
M-1,1:
1:
M-1）=Decimated4（1:
1:
M-1,1:
1:
M-1）;%保证g1-g4都是128*128的图像。
figure（3）;
imshow（f0,[]）;
axisimage
colormap（gray（256））;
title（'firstiteration'）;
Inter=uint8（f0）;
imwrite（Inter,'Inter_HR.jpg'）;
3.4获得最后处理完的图像
fn=f0;
fnew=zeros（N,N）;
Error=10;
n=0;
whileError>0.004
n=n+1;%计算迭代次数
ifn>40%判断是否超出迭代次数，如果超出循环终止。
fprintf（'迭代次数过大，程序终止\r\n'）;
break
end
f_blur=conv2（fn,h,'valid'）;%对fn进行模糊处理，模板还是h。
fnew=fn;
g1_sim=zeros（M,M）;
g2_sim=zeros（M,M）;
g3_sim=zeros（M,M）;
g4_sim=zeros（M,M）;
%进行退化处理，得到4张图画之后的图像，方式和前面用的一样。
g1_sim（1:
1:
M,1:
1:
M）=f_blur（1:
2:
N-1,1:
2:
N-1）;
g2_sim（1:
1:
M,1:
1:
M-1）=f_blur（1:
2:
N-1,2:
2:
N-2）;
g3_sim（1:
1:
M-1,1:
1:
M）=f_blur（2:
2:
N-2,1:
2:
N-1）;
g4_sim（1:
1:
M-1,1:
1:
M-1）=f_blur（2:
2:
N-2,2:
2:
N-2）;
%进行图像对应相减之后的误差求和。
sum1=0;sum2=0;sum3=0;sum4=0;
e1=g1-g1_sim;
E1=imresize（e1,2,'bilinear'）;
sum1=sum（sum（e1.^2）'）;
fori=1:
1:
N
forj=1:
1:
N
fnew（i,j）=fnew（i,j）+0.25*E1（i,j）;%将对应的误差值叠加到图像上
end;
end;
e2=g2-g2_sim;
E2=imresize（e2,2,'bilinear'）;
sum2=sum（sum（e2.^2）'）;
fori=1:
1:
N
forj=1:
1:
N-1
fnew（i,j+1）=fnew（i,j+1）+0.25*E2（i,j）;%将对应的误差值叠加到图像上
end;
end;
e3=g3-g3_sim;
E3=imresize（e3,2,'bilinear'）;
sum3=sum（sum（e3.^2）'）;
fori=1:
1:
N-1
forj=1:
1:
N
fnew（i+1,j）=fnew（i+1,j）+0.25*E3（i,j）;
end;
end;
e4=g4-g4_sim;
E4=imresize（e4,2,'bilinear'）;
sum4=sum（sum（e4.^2）'）;
fori=1:
1:
N-1
forj=1:
1:
N-1
fnew（i+1,j+1）=fnew（i+1,j+1）+0.25*E4（i,j）;
end;
end;
SUM=sum1+sum2+sum3+sum4;
Error=sqrt（SUM）/（4*128*128）;%计算经过迭代之后的误差值
fn=fnew;
end
%------------------------------------------------------------------------
%4将迭代处理滞后的图像保存，得到SR图像
%------------------------------------------------------------------------
fn=fnew;
sr=uint8（fn）;
imwrite（sr,'SR_HR.jpg'）;
figure（4）;
imshow（fn,[]）;
axisimage
colormap（gray（256））;
title（'TheSuper-Resolutionimage'）;
3.5界面图
四.课程设计总结
通过matlab，对256*256的图像进行了插值技术的应用，以及简历图像退化模型还有反向投影的迭代算法，得到了不一样的图像。
最后处理得到的图像明显优于刚开始的图像。
经过超分辨率的图像优于插值技术的图像，边缘更加光滑。
通过一系列的对比，最后能够确认在生活中，处理图像应该选择性能更加优越的超分辨率法。
五.设计体会
经过本次课设，我觉得自己收获了许多。
了解了matlab的操作，同时学到了对于图像处理的方法。
插值技术以及超分辨率重建图像方法。
更加能够熟悉地应用matlab这款软件，同时为能够解决一些生活中遇到的问题感到自豪。
另外，通过学习图像处理，了解了迭代算法。
而且通过网上的查找以及同学之间的相互合作，能够更加迅速地完成任务。
这次课设，可谓是收获良多，既锻炼了自己的能力，又掌握了丰富的知识。
六．参考文献
1.郭伟伟，章品正基于迭代反投影的超分辨率图像重建南京210096
2.肖宿韩国强沃焱数字图像超分辨率重建技术综述华南理工大学计算机科学与工程学院广州510006
3.苏秉华金伟其超分辨率影像复原及其进展光学技术2001
4.符祥郭宝龙图像插值技术综述计算机工程与设计
5.高岚,方康玲,付旭,周东杰;一种边缘保护的灰度图像插值算法[J];武汉科技大学学报（自然科学版）;2004年02期
6.徐晓刚,于金辉,马利庄;多分辨率图像插值[J];工程图学学报;2000年03期
7.肖义男;数字图像自适应插值技术及其应用研究[D];重庆大学;2005年
课程设计成绩评定表
设计上机验收成绩表
姓名
学号
课题名称
序号
验收项目
分值
得分
1
设计内容合理、目的明确
10分
2
实现了课程设计的基本要求，演示结果正确
50分
3
对课程设计中所涉及的知识理解正确
10分
4
方案正确，在基本要求基础上有改进、创新
20分
5
界面设计合理、美观
10分
总分
100分
课程设计总评分成绩表
评定项目
分值
评分成绩
1
设计上机验收成绩、答辩
60%
2
设计报告的规范化、参考文献充分
30%
3
平时成绩
10%
总分
1.不要自己写，要利用word来自动生成。
详情请看最后一页
升级会员 