论文部分内容阅读
在许多研究领域,图像的细节分析很重要,而分辨率越高的图像,包含的细节就越丰富,所以超分辨率重建已然发展为图像视觉领域的一个研究热点。目前文档图像的重建工作在某些场合有很大的应用需求,远距离车牌识别时,可以把放大提取出的车牌号变清晰,使交通监控更安全;保存旧书文物时,可以突出原本褪色模糊的文字笔画,使它尽可能恢复原貌;考究历史时,可以重建出清晰的碑文古字,使历史研究更方便。现有的重建算法很多都针对自然图像,而文档图像具有不同于自然图像的纹理特征,所以已有算法对文字边缘的重建效果并不理想,我们需要针对文档图像的文本特征来建立效果显著的重建算法。本论文主要针对文档图像的超分辨率重建展开了深入的研究工作,把图像配准和重建算法作为重点研究内容,对传统算法的不足给出了相关的优化方法,实现了古书碑文的重建应用。本论文围绕文档图像重建主要从下列几个方向展开研究:首先,介绍了文档图像超分辨率重建的科研背景和国内外当前的工作进展,介绍了本文课题的具体应用及发展理论基础,接着建立文档图像的退化模型,将文档图像的超分辨率重建过程分成三步进行了详细说明,并将文档图像重建技术进行分类和介绍。其次,介绍了图像配准算法,重点对特征点提取中的尺度不变(SIFT)算子进行研究与改进,在原算法的基础上先对文档图像进行了预处理,提高图像对比度,同时对原算法进行了“降维”处理,为SIFT算子节约了大量的内存空间,使特征点提取速度加快,同时提升了匹配的准确率。将其与现有图像重建空域法相结合,应用于视频获取的序列图像超分辨率重建中,改善了重建效果。最后,重点介绍了空域算法中的凸集投影算法(POCS)并做出了改进,使其更加适用于文档图像的重建。算法在配准部分使用改进的SIFT配准方法,在重建部分将文档图像独特的双峰特性作为先验约束条件来修正估计值,相比原算法更具有针对性,同时对阈值的选取进行了改进,在退化模型中加入了不确定因子,使残差值在原先的噪声基础上多了一项不确定因素,将原算法的固定阈值变成了自适应阈值,提高了算法的鲁棒性及图像重建效果。然后将改进算法应用于古书碑文图像的重建,重建出的图像文字线条突出,基本上消除了噪声造成的线条阴影,对比传统算法,本文的重建结果更加理想,证明了改进算法在实际应用中具有较高的可行性。