專題摘要

本專題「視訊超高解析技術於行動錄像裝置之應用」藉由超高解析技術，設計出一套應用軟體，來提高各種行動錄像裝置解析度較差之影片品質。目前藉由不同的內插法並去除影像放大時的模糊效應和適當的增加空間上的資訊，以還原其高解析度的面貌作為超高解析度的對照，接著利用超解析技術空間領域上的非線性內差法來實現。最後結合視訊解碼器即時處理與及時顯示的需求，即能提供較佳的超高解析度畫質，同時也能夠達到及時處理的目的。

 

 

簡介

在許多電子成像應用領用中，經常都需要有高分辨率的圖像。高解析度即意味著在一幅圖像內的像素密度高， 因此一幅高解析度圖像，可以提供更多關鍵的細節於各種各樣的圖像識別應用過程中。自1970年起，CCD或CMOS感光元件即被廣泛的應用來做為攫取影像的重要零件；時至今日，其解析度已至百萬畫素甚至到千萬畫素等級，但是以物理角度來看，硬體製程技術的發展，必須遵守一定的物理規則，因而終究有達到極限的一天，而且當CCD或CMOS在既定的製程下，其感光元件密度愈高，勢必其感光元件彼此間的干擾情形將愈嚴重，以致於利用硬體來提高解析度的方式進展緩慢；況且利用硬體來提高解析度，價格昂貴，更無法在短期內普及。既然在硬體上發展超解析度有諸多限制，於是相關的影像處理技術便應運而生。

提昇解析度影像處理技術是近年來相當熱門的一項研究，其主要精神是希望能在現有的影像資料中，利用影像處理技術產生接近真實世界的高解析度影像。其應用層面相當廣泛，如視訊多媒體、監控系統、醫學、軍事、工業，甚至在遊戲方面等，本專題利用此高解析度影像處理技術處理目前市面上如手機或是照相機等可行動錄像之裝置，提昇影片解析度於應用軟體上，解決硬體發展上的限制。

得到完整的超高解析度影像後，將針對視訊編碼標準中的解碼器端的應用；而視訊解碼器，其主要的需求就是要達到即時處理與及時顯示，因而，我們主要是希望能夠以較低的計算複雜度，並結合視訊解碼器所提供的相關資訊，即能提供較佳的高解析度畫質，同時也能夠達到及時處理的目的。

 

 研究議題與方向

 

目前的超解析度影像重建技術除了重建空間上的高解析度外，另外就是重建時間上的解析度，而其研究的方向上，可分成四大類型：

(1)   強化靜態影像空間上的解析度

(2)   強化視訊序列空間上的解析度

(3)   強化視訊序列時間上的解析度

(4)   強化視訊序列空間與時間上的解析度

 

       而在發展的領域上則可分成，頻域和空間兩大領域[1]。頻域領域法有以下優點：理論簡單，運算複雜度低，很容易實現並行處理，但是，不方便地加入一些先驗資訊，如非全域型的Camera或場景移動模型、雜訊模型，以及空間時變性的退化模型等，進而造成頻域法的發展飽受限制較不具彈性。

       而空間領域法，其理論的擴充彈性較佳，可方便的加入一些先驗資訊，而且重建的影像也有較佳效果，但其缺點在於理論較為複雜，因而計算量上也相對較大，目前所發展的方法可分成下列數個類別，及其常見的演算法[1]：

    a.非線性內插法(Non-Uniform Interpolation Methods)

b.投影至高解析格子法(Projection onto High-Resolution Grid Methods)

•    IBP (Iterative Back Projection)

•    POCS (Projection onto Convex Sets)

c.機率統計法(Probabilistic Methods)

•    MAP(Bayesian Maximum A Posteriori)

•    ML(Maximum Likelihood)

d. 混合型ML/MAP/POCS法(Hybrid ML/MAP/POCS Methods)