基于POCS算法的图像超分辨率重建源码

资 源 简 介

本项目开发了一个完整的MATLAB程序，专门用于利用凸集投影法（Projection Onto Convex Sets, POCS）实现图像的超分辨率重建。该系统的核心目标是利用多帧具有亚像素位移的低分辨率（LR）观测图像序列，通过迭代算法恢复出一幅包含更多高频细节的高分辨率（HR）图像。程序首先对输入的图像序列进行预处理和运动估计，精确计算每帧图像相对于参考帧的亚像素位移参数；随后构建观测模型，模拟成像过程中的模糊（PSF）和下采样效应；核心重建阶段采用POCS迭代算法，定义数据一致性约束集、幅度约束集和平滑性约束集等多个凸集，将初始估计的高分辨率图像反复投影到这些闭凸集上，通过不断修正逐步逼近真实的高分辨率图像。该程序不仅实现了基本的POCS重建流程，还需要包含对重建结果的评价指标计算（如PSNR和SSIM），适用于视频监控画面增强、医学图像清晰化处理以及遥感图像分辨率提升等应用场景，能显著改善传统插值放大带来的边缘模糊和锯齿现象。

详 情 说 明

基于POCS算法的图像超分辨率重建系统

项目简介

本项目实现了一个基于凸集投影法（Projection Onto Convex Sets, POCS）的图像超分辨率重建系统。该系统通过MATLAB编写，旨在从具有亚像素位移的低分辨率（LR）观测图像序列中，恢复出一幅高分辨率（HR）图像。

程序包含完整的仿真流程：从原始高清图像生成低分辨率序列（包含位移、模糊、下采样和噪声），到利用POCS算法进行核心重建，最后进行质量评价和可视化展示。该方法有效利用了多帧图像之间的时间冗余信息，能够显著优于传统的单帧插值方法。

功能特性

• 全流程仿真：内置从高分辨率图像生成劣化低分辨率序列的完整模拟过程，无需外部数据集即可运行。
• 亚像素运动模拟：支持生成具有随机亚像素位移的图像序列，利用频域相位平移实现精确控制。
• POCS核心算法：实现了基于POCS理论的迭代重建，包含前向观测模型模拟和残差反向投影修正。
• 多约束集机制：集成了幅度约束（像素值范围限制），并预以此为基础构建凸集投影框架。
• 客观质量评价：内置PSNR（峰值信噪比）和SSIM（结构相似性）计算模块，量化评估重建效果。
• 可视化对比：提供详细的结果展示，包括LR输入、双立方插值对比、POCS重建结果、局部细节放大图以及收敛曲线。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）

使用方法

直接运行主脚本即可启动系统。程序会自动执行以下步骤：

1. 初始化参数并生成模拟数据。
2. 执行POCS迭代重建算法。
3. 计算评价指标并在命令行输出。
4. 弹出图形窗口展示重建图像、细节对比及收敛趋势。

---

核心算法与实现逻辑

本项目的主程序（main.m）逻辑严密，具体实现细节如下：

1. 系统参数初始化

程序首先定义了超分辨率重建的关键参数：

• 放大倍数：默认为2倍重建。
• 观测帧数：默认使用16帧低分辨率图像。
• 迭代控制：设置最大迭代次数（30次）和收敛阈值（1e-4）。
• PSF设置：定义了高斯模糊核作为点扩散函数，用于模拟成像模糊。

2. 数据生成与预处理（模拟成像链路）

为了验证算法，程序构建了一个逆向的成像模型：

• 图像源：尝试读取标准测试图（cameraman.tif），若缺失则自动生成合成纹理图像，并归一化为灰度浮点数据。
• 亚像素位移：生成随机的亚像素运动向量（范围[-1, 1]像素），并强制第一帧为参考帧（无位移）。
• 劣化过程：对每一帧执行“频域亚像素平移 -> 高斯模糊 -> 下采样 -> 加性高斯白噪声”，生成LR观测序列。

3. POCS重建过程

这是系统的核心部分，采用迭代修正策略：

• 初始估计：使用第一帧LR图像的双立方插值结果作为高分辨率图像的初始猜测。
• 迭代循环：

1. 运动补偿与前向投影：根据每帧的运动向量，将当前的HR估计图像进行位移、模糊和下采样，模拟出对应的“估计LR图像”。 2. 残差计算：计算实际观测的LR帧与“估计LR帧”之间的差值。 3. 反向投影（修正）： * 将残差上采样（稀疏填充）到HR网格。 * 利用旋转后的PSF将残差模糊回去（模拟相关性/反投影）。 * 进行反向位移补偿，将修正量对齐回参考帧坐标系。 * 根据松弛因子和PSF能量归一化权重，更新HR估计图像。 4. 凸集约束： * 幅度约束：也就是灰度值范围约束，强制将像素值截断在 [0, 1] 之间，确保解在物理意义上有效。 5. 收敛监测：每轮迭代计算MSE和PSNR，并根据前后两次估计的相对差异范数判断是否收敛。

4. 质量评价

程序在重建结束后，分别对“双立方插值结果”和“POCS重建结果”计算以下指标：

• PSNR：通过均方误差计算峰值信噪比。
• SSIM：计算亮度、对比度和结构的相似性指数。

5. 结果可视化

最终生成由6个子图组成的综合展示窗口：

• 显示第1帧低分辨率输入。
• 显示双立方插值结果及其PSNR。
• 显示POCS重建结果及其PSNR。
• 显示原始高分辨率（Ground Truth）图像。
• 细节对比带：将插值、POCS重建和原图的中心区域（ROI）拼接在一起，直观展示边缘和纹理恢复情况。
• 收敛曲线：绘制PSNR随迭代次数变化的曲线图，展示算法的稳定性。

---

关键辅助函数说明

项目包含几个重要的内部函数用于支撑核心逻辑：

shift_image

利用傅里叶变换的平移性质实现亚像素级别的图像位移。

• 原理：在频域中引入线性相位偏移 $exp(-j cdot 2pi cdot (uDelta x/W + vDelta y/H))$。
• 作用：相比空间域插值，频域位移能保持图像频谱信息，避免插值带来的额外平滑，通过 fft2 和 ifft2 实现。

my_psnr

标准的峰值信噪比计算函数。

• 基于MSE（均方误差）计算，处理了MSE为0的理想情况，输出单位为dB。

my_ssim

结构相似性（SSIM）计算函数的实现。

• 原理：遵循Wang et al. (2004) 定义的算法，综合考虑图像的亮度（Mean）、对比度（Variance）和结构（Covariance）信息。
• 实现细节：利用定义的常数（K1, K2, L）来稳定计算过程，通过滑动窗口统计局部统计量。