6、基于频率的新型超分辨率配准算法解析

基于频率的新型超分辨率配准算法解析

1. 图像重建方法

在图像重建阶段，需要从不同低分辨率图像得到的不规则样本集合中重建出高分辨率图像。以下是几种常见的重建方法：

1.1 基于插值和频域的方法

可以使用基于插值的方法来实现，也可以采用频域方法。例如，Tsai和Huang描述的频域方法，将高分辨率图像的傅里叶系数表示为已配准的低分辨率图像的傅里叶系数的函数，然后通过一组线性方程来计算解，该算法与时间域的公式原理相同。

1.2 POCS算法

还可以使用投影到凸集（POCS）算法来重建高分辨率图像，在该算法中，估计的重建结果会依次投影到不同的凸集上，每个凸集代表基于给定测量值和信号假设对重建图像的约束。Capel和Zisserman使用最大后验（MAP）统计方法来构建高分辨率图像。

此外，还有迭代反投影方法，该方法通过成像模型从估计图像中迭代创建一组低分辨率图像，然后根据真实和模拟的低分辨率图像之间的差异更新估计值。Zomet等人通过取不同反投影图像中误差的中位数改进了典型迭代反投影算法的结果，使其在存在异常值时更鲁棒。Farsiu等人提出了一种新的鲁棒超分辨率算法，使用L1范数代替更常见的L2最小化，能产生更清晰的高分辨率图像，并且该方法与Zomet等人的算法结合使用效果很好。Elad和Feuer提出了一个超分辨率框架，将最大似然/MAP方法与投影到凸集（POCS）方法相结合，定义了一个新的凸优化问题，并展示了其方法与其他现有方法之间的联系。

方法	特点