马小萍

摘 要：根据多帧图像序列的相邻块运动相位的高度相关性，结合多帧图像运动方向实现静态图像细节还原，提出了基于恢复残差图像进行非冗余信息分辨率重建的算法。这种算法基于序列图像各帧之间差异信息的信息认知，通过分离出非冗余信息，采用分辨率重建算法，分别得到冗余高分辨率图像和非冗余高分辨率图像，对两者进行图像融合，实现从粗到精分辨，最终得到高于成像系统的分辨率图像。另外借助一种基于运动搜索的亚像素快速运动估计算法，对运动进行估计和优化。

关键词：分辨率；多帧图像；运动

0引言

随着信息技术的不斷发展和社会的不断进步，人类对信息的追求越来越丰富。其中数码摄像技术被广泛用于多种场合，同时如何在低分辨率下看世界也受到广泛的关注。图像是人们记录视觉信息的主要载体，因此人们对静态图像的要求也高了，通过静态图像可以给人们提供较为直观，生动的视觉信息。在得到的静态图像序列中，由于相邻帧之间存在很强的相位相关性[1]，即存在很高的像素模糊。在单色成像的情况下对单个格子视野中的静态像素借助多帧图像序列采用亚像素快速运动估计和恢复残差获得还原静态图像细节估计的算法，利用多帧图像视频序列中相邻帧之间存在的相位相关性，建立它们表达上的相互关系，从而减少模糊程度，使其尽可能的还原静态图像中已无法还原的细节。

1总体思路

序列图像各帧之间由于存在差异信息的认知，因此当需要恢复静态视野格子中静态图像内部的细节时需要通过分离出非冗余信息，对于拍摄得到的序列静态图像采用分辨率重建算法，分别得到冗余分辨率图像和非冗余分辨率图像，对两者进行图像融合，最终得到高于成像系统分辨率的图像，这样可以大幅度提高静态图像的还原质量。解决这一问题的有效的方法就是采用基于快速亚像素法运动估计算法和恢复残差获得还原静态图像细节估计的算法。其基本思想是通过多帧图像序列的宏块来寻找静态图像中的最优匹配点。图像配准是通过多帧图像来还原静态图像中无法体现的细节利用初始的配准参数构建出一个低分辨率图像，然后将这个低分辨率图像作为输入图像配准的参考帧。

2亚像素快速运动估计原理

快速运动估计算法利用预测的方法，通过相邻帧之间的运动矢量来预测当前帧运动起点的搜索，减少图像帧之间的搜索点数并且避免陷入局部极小值点。预测运动矢量包含整像素与亚像素两部分信息，如果预测运动矢量的整像素部分等于整像素运动搜索得到的最优矢量，那么预测矢量的亚像素部分很可能接近全局最优点，可以将预测的亚像素运动矢量作为搜索起点开始搜索。否则，不够准确的预测亚像素运动矢量会使匹配效果急剧下降。针对这种情况采用基于亚像素快速运动估计算法进行图像分辨率寻找，在保证图像质量的同时，可有效地减少图像搜索的点数。

首先，采用传统的块匹配算法进行初始运动估计。块匹配运动估计的思想是将序列图像的每一帧都划分成大小相同互相相邻的子块，假设子块内所有像素具有运动一致性，并且只做平移运动，不包含旋转，伸缩；在参考帧的一定范围内（称为匹配窗）按照一定的匹配准则搜索与之最接近的块（称为预测块），该预测块与当前块的相对位移就是运动矢量。

结合多帧图像运动方向实现快速运动预测，由于拍摄所得到的静态图像在相位上具有较强的相关性，通过采用对多帧图像运动进行估计和分析可以有效的还原静态图像中的细节，从而减少相位上的相关性，提高静态图像中对细节的还原能力。采用快速亚像素运动估计算法来分析静态图像中的匹配误差关系，保证搜索的准确性。通过对多帧图像不同运动特征序列进行分析尽可能还原静态图像中的细节。采用快速亚像素运动估计算法可以在很大程度上提高预测的有效性。

3基于梯度的最优图像配准法

图像配准是对来自不同场景、不同视点、不同传感器或不同时间的两幅或多幅图像进行对准的过程。近年来，随着视频技术、数字图像技术的广泛应用。图像配准是低分辨率下算法的一个重要环节，配准精确对最终还原图像质量起到至关重要的作用。图像配准是通过多帧图像来还原单帧图像中无法体现的细节。

配准算法最优是指该方法估计的参数精度可以达到边界，绝大多数现有的配准估计方法或多或少是有偏差的，因此它们并不是最优的。然而，通过迭代过程，可以去除基于梯度配准算法偏差。并且，隐藏在混叠输入图像的额外信息也可以用来提高多帧图像配准精度。首先利用初始的配准参数构建出一个低分辨率图像，然后将这个低分辨率图像作为输入图像配准的参考帧。这样会提高强度和梯度效果，反过来也会提升基于梯度配准的精度。如下图像配准迭代流程图所示。

4恢复残差

采用恢复残差获得还原静态图像细节估计的算法，是根据得到的静态图像的运动矢量，对前一帧中由于运动而产生的位移进行调整，从而得到尽可能接近本帧的预测帧。运用凸集投影法将静态图像的初始估计值在凸集的交集里求到最优解即尽可能的还原位于一个格子里的静态像素[3]。

利用恢复插值图像与实际多帧图像之间的残差，从而得到更真实更清晰的静态图像估计。如下图分别采用原图、最邻近法、双线性插值法、三次内插法进行残差恢复。

从上面图像分析结果可知，采用最邻近法观察图像的分辨率结果最模糊，采用三次内插法观察图像分辨率的质量最好，其次是双线性插值法。

5结论

本文阐述了在低分辨率下基于最优配准法的静态序列图像的像素还原。根据静态图像细节检测问题，通过利用整像素运动估计的中间结果直接计算出最优亚像素位置，运用亚像素快速运动矢量估计算法和恢复残差算法获得还原静态图像的细节。可以得知当多帧序列图像运动估计算法越完善，估计出的运动矢量就会越准确，对静态图像恢复程度优化的性能也就越好，从而还原的静态像素的质量就会越高。很好的避免了传统方法的逐点搜索比较，提高了在低分辨率下像素的还原。

参考文献：

[1]苏衡，周杰，张志浩.分辨率图像重建方法综述.自动化学报.2013，39（8）：1202-1213.

[2]周俐俐，蔡国权.块运动估计的快速搜索算法探讨.数字视频.1999年.第12卷第4期.2224

[3]姚屏，薛家祥，戴光智.图像的分辨率处理方法研究现状[F].半导体光电，2009，30（4）：492-497.

[4]杨杰，黄朝兵.数字图像处理及MATLAB实现.北京：电子工业出版社，2010.