MATLAB实现的基于凸集投影理论的超分辨率图像重建算法

资 源 简 介

本项目实现了经典的POCS超分辨率图像重建算法，通过迭代投影过程，从多帧低分辨率图像重建高质量的超分辨率图像。系统在多个约束凸集间交替投影，确保最终结果满足所有约束条件。适用于图像处理研究和应用验证。

详 情 说 明

基于凸集投影理论的超分辨率图像重建算法实现与验证

项目介绍

本项目实现了经典的超分辨率凸集投影（POCS）算法，旨在从多帧存在轻微位移的低分辨率图像序列中重建出高质量的超分辨率图像。系统核心基于凸集投影迭代理论，通过定义多个约束凸集（如数据一致性、能量有界性等），并将初始估计图像在这些凸集之间反复投影，最终使其收敛至满足所有约束条件的解。项目提供了完整的实现流程，包括图像配准、约束建模、迭代重建及质量评估。

功能特性

• 多帧图像配准: 支持帧间相对平移、旋转等运动参数的自动估计或手动输入。
• 凸集约束定义: 实现了数据一致性、观测噪声、物体能量有界等多种物理约束。
• 迭代投影计算: 采用高效的迭代算法，通过交替投影逼近最优高分辨率图像。
• 重建质量评估: 提供峰值信噪比（PSNR）、收敛曲线等量化指标，并支持与双线性/双三次插值等传统方法的可视化对比。
• 参数灵活配置: 用户可自定义点扩散函数（PSF）、降采样因子、迭代次数、正则化系数等关键参数。

使用方法

1. 准备输入数据: 将多帧低分辨率图像（格式如PNG、TIFF）放置于指定目录。
2. 配置参数: 在脚本中设置PSF、降采样因子、运动参数、迭代次数上限等。
3. 执行重建: 运行主程序，算法将自动完成配准、迭代重建及评估。
4. 获取结果: 程序输出重建后的高分辨率图像、迭代过程曲线及性能报告。

系统要求

• 操作系统: Windows/Linux/macOS
• 软件环境: MATLAB R2018a 或更高版本
• 硬件建议: 内存 ≥ 8 GB（处理大尺寸图像时推荐 ≥ 16 GB）

文件说明

主程序文件整合了算法的核心流水线，其功能涵盖：读取输入图像序列与参数配置，执行必要的图像预处理与运动估计，初始化高分辨率网格，并驱动凸集投影迭代循环。在每次迭代中，它负责计算各约束集合的投影算子，更新当前估计图像，同时监控收敛情况。迭代结束后，主程序还将调用评估模块，输出重建图像及相关性能指标与可视化图表。