近日，中國科學院長春光學精密機械與物理研究所圍繞基于POCS的紅外弱小目標超分辨率復原算法展開研究。針對紅外弱小目標超分辨率復原中出現的問題，對傳統POCS超分辨率復原算法進行了優化，提出了改進算法，提高了復原算法的性能，同時使其達到實時或接近實時，進而可以在實際紅外圖像處理系統中應用。研究成果對于紅外弱小目標識別與跟蹤發展具有重要現實意義。

　　隨著紅外成像相關產業的興起，紅外成像技術具有的隱蔽性好、探測范圍廣、定位精度高、穿透距離遠，以及輕質小巧、低耗可靠等優點備受青睞，已成為當前智能化光電探測發展的主流方向。然而，紅外弱小目標的圖像細節特征少、信噪比低等特點成為紅外圖像應用的瓶頸，如何提高紅外弱小目標成像效果成為目前的研究熱點。該項研究以“復原為本”為研究著眼點，利用超分辨率復原相關理論和技術，研究紅外弱小目標超分辨率復原的方法和技術。

　　該項研究提出了四種改進的POCS算法和一種新的超分辨率復原評價方法，并分別通過基于紅外動態場景仿真系統實驗和基于紅外圖像采集及處理系統實驗，驗證了改進算法和評價方法的有效性。研究的主要工作及創新之處在于：

　　(1)針對傳統POCS復原方法對噪聲比較敏感的問題，將目前去噪效果較好的BM3D濾波方法和POCS復原方法相結合，對BM3D方法進行優化，提出了使用圖像塊的均值預篩選和限制分組圖像塊數目的方法，降低了BM3D方法的運算量。實驗表明，基于BM3D的POCS超分辨率復原算法能夠在低分辨率圖像包含噪聲時，取得比傳統POCS方法更好的復原效果，復原的高分辨率圖像主觀上基本看不出噪聲。

　　(2)針對傳統的超分辨率復原評價體系只關注圖像某一方面統計特性的問題，提出了基于SSIM_NCCDFT的超分辨率復原評價方法。該評價方法結合了空間域的灰度均值、對比度以及頻域自相關，能夠同時評價超分辨率復原結果在空間域的復原效果和對頻域信息的復原精度，實驗表明，該評價方法能夠很好的評價超分辨率復原的結果，對超分辨率評價方法具有一定的指導意義。

　　(3)針對POCS超分辨率復原算法迭代時間較長，無法滿足光電探測系統實時性的問題，提出了基于梯度圖的快速POCS超分辨率復原算法。該算法根據圖像的梯度分布對圖像中的像素點進行分類，采用不同的迭代系數進行計算。改進算法能夠較好的保留邊緣信息并抑制噪聲，進而在保證超分辨率復原性能的基礎上縮短了運算時間。同時，提出了另外一種改進算法：基于區域選擇的快速POCS超分辨率復原算法。光電探測系統中我們關注的重點是目標區域，而這一區域通常只占很少的像素位置，因此通過閾值分割和合并找到所有目標區域并集，然后僅在這個目標區域并集上進行超分辨率復原。這樣，去除了復原背景的巨大運算量，縮短了運算時間，使其達到實時或接近實時，進而可以在實際紅外圖像處理系統中應用。

　　相關研究成果發表在Scientific Reports上。研究工作得到了國家自然科學基金面上項目、光電對抗研究部創新基金等的支持。

　　論文題目：A POCS super resolution restoration algorithm based on BM3D

　　Lena圖像復原結果

　　Barbara圖像復原結果

　　導彈圖像復原結果

　　飛機圖像復原結果