结合双线性插值与局部均值的红外图像插值算法

针对现有图像插值算法只考虑原始图像像素的问题,提出了一种兼顾原始图像与插值图像的红外图像插值算法。该算法将原始图像中的像素映射至插值图像中,然后使用双线性插值算法从原始图像中恢复插值像素,最后通过插值图像中已有的像素对插值像素进行加权修复。实验结果表明,所提算法的插值效果优于经典的图像插值算法,能有效避免锯齿和模糊现象的发生。     

基于生成对抗网络的多幅离焦图像超分辨率重建算法

为提高超分辨率算法重建出的图像质量,提出融合多幅离焦图像的超分辨率重建算法。以离焦图像作为切入点,利用自编码器提取离焦图像中的重要特征,根据空间特征变换层结构,将离焦特征与原始特征相结合,完成图像的超分辨率重建。在Celeb A人脸数据集上进行实验,结果表明,与传统插值算法及SRGAN算法相比,所提算法在大多数情况下能获得更高峰值信噪比及结构相似性数值,能生成质量更高的重建图像。     

小波局部适应插值的图像超分辨率重建

针对单帧低分辨率图像的超分辨率重建问题,提出一种改进的小波局部适应插值的超分辨率重建方法,该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性,提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明,采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息,提高图像的空间分辨率,并能提高图像的峰值信噪比,更适合人眼视觉系统。     

基于MLX90620的低成本红外热成像系统设计

开发了一种基于非制冷红外焦平面阵列的红外热成像系统.为降低成本,系统选用具有16 pixel ×4 pixel输出像素的红外焦平面阵列探测器MLX90620进行红外辐射强度探测.为获得高分辨率、高质量的红外图像,提出一种将多项式插值与双线性插值相结合的算法,先利用多项式插值提升热像分辨率至64 pixel×16 pixel,再通过双线性插值算法扩充分辨率至256 pixel ×64 pixel,对人体进行热成像实验表明:该算法在提高图像分辨率的同时,保留了更多的细节信息.     

快速方向字典插值的中低倍率超分辨率算法

在中低倍率实时超分辨率显示系统中,为了进一步提高重建图像质量的同时降低运算复杂度,提出了一种全方向字典拟合插值的中低倍率快速超分辨率算法。对每个高分辨率图像中待插值像素,首先在对应的低分辨率插值区间中,采用金字塔纹理字典查找主纹理方向,然后根据待插值像素位置进行插值方向修正,最后通过单边拟合的插值方法得到插值结果。实验结果表明,与基于线性映射的边缘定位超分辨率算法(SREO)相比,该算法的峰值信噪比(PSNR)和结构相似度(SSIM)平均分别提高了0.73 dB和0.04,同时平均运算时间减少了40%。     

序列图像的非局部均值超分辨率重建算法及GPU实现

针对序列图像超分辨率重建非局部均值(Non-Local Means, NLM)算法重建结果图像边缘区域过平滑的问题,提出了一种局部参数自适应改进方法,首先将整幅图像划分为图像子块,然后根据图像子块平均像素信息计算出其对应的滤波参数, 这样有助于减少因整幅图像使用统一滤波参数而导致的某些高频信息的丢失。实验结果表明,和经典NLM重构算法相比,改进算法重建出的结果图像的轮廓边缘更清晰,字符辨识度更高;在算法实现方面,图像重构程序在CPU/GPU平台上实现,使用GPU并行化加速的程序比单CPU运算的程序,加速比最高可达到30倍,显著缩短重构程序计算时间,提高了该图像超分辨率重建算法应用于实际场所的可能性。     

基于亚像素的图像超分辨率重建算法研究

图像超分辨率重建是指利用一幅或多幅具有互补信息的低分辨率图像,运用相应的算法来获得一幅清晰的高分辨率图像的过程。本文采用亚像素插值重建算法,利用多幅低分辨率视频图像重建出一幅高分辨率图像。重建算法有效利用了各幅图像中对应像素的相关信息,提高了图像的视觉效果和峰值信噪比。     

基于MG-GMRES算法的图像超分辨率重建

提出了一种基于多层网格(MG)和广义极小残余(GMRES)算法相结合的图像超分辨率重建快速算法.首先采用正则化方法给出图像超分辨率重建模型;然后在系统介绍MG和GMRES算法的基础上,针对图像超分辨率重建中非对称线性稀疏方程的求解,提出多层网格-广义极小残余(MG-GMRES)算法;详细讨论了MG-GMRES算法的光滑、限制、插值操作以及计算复杂度.实验研究表明该算法的重建结果相当有效,与MG、GMRES和Richrdson迭代相比,具有更快的收敛速度.     

一种基于深度学习的两阶段图像去雾网络

雾是户外图像降质的主要因素之一,图像去雾旨在恢复有雾图像中的内容。基于图像底层特征和先验知识的传统算法去雾效果不稳定。针对以上问题,受深度学习理论的启发,提出一种端到端的两阶段去雾深度神经网络算法。将图像去雾和图像超分辨率重建相结合,先利用编码器-解码器预测低分辨率雾霾残留图像,再利用亚像素卷积和残差块重建出原始分辨率雾霾残留图像,最后预测出原始分辨率无雾图像。在合成和真实有雾图像上的实验表明,该算法在定量评价和定性评价中均优于对比算法。     

基于像素位移估计的水下湍流退化图像畸形校正算法

针对由湍流引起的水下畸变退化图像,提出了一种基于估计畸变帧相对于参考帧的像素移位来校正畸变图像的算法。通过自定义度量标准选择参考帧和清晰度较高的输入帧序列,使用像素配准、二维配准和核相关滤波算法对畸变图像进行复原和重建。为验证该算法,分别进行了室内水下湍流模拟系统实验及海洋实地实验,并将实验结果与盲复原算法、凸集投影超分辨率重建算法进行对比。从主观评价上, 图像畸变得到了有效抑制;从客观评价标准来看,指标高于传统的复原和重建算法。实验结果说明,该算法有效提高了水下湍流退化图像的去畸效果,为海洋目标检测的准确作业提供了保证。     

基于边缘优化的 POCS 改进算法

为了从低分辨率图像中获取高分辨率信息,通常情况下采用图像超分辨率技术来获得高分辨率图像。在研究基于重建超分辨率凸集投影算法（POCS）的基础上,分析 POCS 算法的原理流程及其优缺点,提出一种对该算法加入边缘优化因子的算法思想,使用“三次样条”插值算法、中值滤波的处理对算法进行改进。利用 MatLab 进行算法仿真试验,试验结果表明改进算法在超分辨率重建中对图像改善效果明显,具有可行性。     

基于小波分析和多项式细分定位的超分辨率图像重建算法

图像超分辨率重建是图像增强和图像复原研究中的一项重要课题,广泛应用于高清晰电视、医学成像和遥感成像等领域。在小波分析边缘检测的基础上,通过多项式细分算法定位亚像素边缘,将图像分为平滑区域、边缘区域和微细边缘区域。根据不同的区域特性,采用不同的插值方式进行超分辨率图像重建。仿真结果显示所提算法重建的高分辨率图像边界部分清晰自然,其主观判断和客观评价结果明显好于传统重建算法,从而验证了本算法的可行性和有效性。     

基于低层次计算机视觉的超分辨率图像重建

在基于低层次计算机视觉的超分辨率图像重建过程中,角点检测和插值是两个关键的技术。首先在SUSAN角点检测算法的基础上提出了改进算法,改进后的算法根据图块对比度的不同,在确定位于不同图块中的像素的USAN面积时采用了可变灰度阈值,可变灰度阈值的采用,使得检测出的角点分布更加均匀,而角点分布均匀则使得图像配准更加精确,有利于后期的重建工作。其次,提出了一种适合于超分辨率图像重建的插值算法：基于圆区域的自适应插值算法。该算法可以根据待插值点周围的灰度特征自适应决定插值策略,将线性插值、最邻近插值和中值插值法有机地结合在一起。大量的仿真实验证明了提出算法具有运算量小、图像重建后的效果出重,易于实现。     

高分辨率可见光图像引导红外图像超分辨率的Transformer网络

目的 红外图像在工业中发挥着重要的作用。但是由于技术原因,红外图像的分辨率一般较低,限制了其普遍适用性。许多低分辨率红外传感器都和高分辨率可见光传感器搭配使用,一种可行的思路是利用可见光传感器捕获的高分辨率图像,辅助红外图像进行超分辨率重建。方法 本文提出了一种使用高分辨率可见光图像引导红外图像进行超分辨率的神经网络模型,包含两个模块：引导Transformer模块和超分辨率重建模块。考虑到红外和可见光图像对一般存在一定的视差,两者之间是不完全对齐的,本文使用基于引导Transformer的信息引导与融合方法,从高分辨率可见光图像中搜索相关纹理信息,并将这些相关纹理信息与低分辨率红外图像的信息融合得到合成特征。然后这个合成特征经过后面的超分辨率重建子网络,得到最终的超分辨率红外图像。在超分辨率重建模块,本文使用通道拆分策略来消除深度模型中的冗余特征,减少计算量,提高模型性能。结果 本文方法在FLIR-aligned数据集上与其他代表性图像超分辨率方法进行对比。实验结果表明,本文方法可以取得优于对比方法的超分辨率性能。客观结果上,本文方法比其他红外图像引导超分辨率方法在峰值信噪比(pea...     

参考曲率的双线性插值滤波

为了在滤除椒盐噪声的同时尽可能地保留图像细节,提出了一种基于曲率的双线性插值滤波算法。该算法鉴于双线性插值的低通滤波固有特性,引入像素值的变化以构造类双线性插值模型;为了获得相邻像素的方向趋势,引入曲率信息;以曲率信息为参考,选择最接近原始图像变化规律的方向进行双线性插值滤波。实验结果表明,该方法在滤除噪声的同时有效地保留了图像的细节,且滤波效果优于传统的滤波算法。     

基于粒子滤波的人脸图像超分辨率重建方法

将人脸图像超分辨率重建描述为人脸混合模型的纹理和位置参数的贝叶斯概率估计问题,将超分辨率重建的图像配准和像素融合这两个过程置于统一的概率估计框架下,并利用基于粒子滤波的参数估计算法,同时估计纹理和位置参数,从而实现人脸图像的超分辨率重建.包含灰度和位置两种先验信息的人脸混合模型,同时用于超分辨率重建的两个过程中,提高了图像配准精度和重建算法的性能,避免了通常方法在获得准确鲁棒的运动场估计时需要清晰的高分辨图像,而获得清晰的高分辨图像时又需要准确鲁棒运动场估计的困境.正面人脸合成序列图像实验结果表明,该方法获得的重建结果较为理想.     

基于插值与剪切波融合的图像超分辨率重建

针对单幅图像超分辨率重建问题,提出一种基于软判决自适应( SAI)-双三次( Bicubic)插值与平移不变剪切波融合的超分辨率重建算法。对源图像分别进行SAI插值和Bicubic插值,采用平移不变剪切波变换对2幅插值图像进行多尺度、多方向分解,得到低频及高频子带,对于低频子带,根据区域系数方差确定模糊相似度,结合改进的S函数确定自适应加权融合规则,对于高频子带,采用新改进拉普拉斯能量和与加权平均相结合的融合规则进行处理,将得到的融合系数进行剪切波逆变换,从而得到高分辨率重建图像。实验结果表明,与原有的SAI插值算法相比,该算法能提升重建图像的清晰度及峰值信噪比。     

基于倒易晶胞特征增强的图像超分辨算法

为提高单幅降质图像的分辨率,利用倒易晶胞模型改进了基于样例学习的超分辨算法。首先,在Freeman样例学习超分辨理论框架下,结合倒易晶胞滤波模型增强低分辨率图像特征;然后,将特征增强的低分辨图像与高分辨率图像进行细节对应关系训练;最后,利用训练好的对应关系实现低分辨图像的超分辨重建。该算法削弱了样例学习算法训练阶段"一对多"的病态问题,有效减小了高、低分辨率图像特征空间内在"维度差"。实验结果表明,与双三次插值、邻域嵌入、样例学习超分辨算法相比,该算法在超分辨重建图像主观视觉质量和峰值信噪比(PSNR)客观评价指标中均优于比较算法。     

改进型轻量级GAN的红外图像超分辨率方法

红外图像超分辨率是图像超分辨率重建的子领域,基于深度学习的方法侧重于研究色彩和纹理丰富的RGB图像重建,对于像素分布均匀、对比度低、高频细节特征丢失的红外图像提取特征效率低.本文采用生成对抗网络(GAN)针对红外图像提出了一种能重建细节纹理超分辨率方法,用轻量级注意力残差块(Lightweight attention residual block, LARB)构建生成器网络,以低成本、高效率提取到红外图像的像素特征信息;结合特征激活前的感知损失、Huber损失和Wasserstein距离使模型稳定收敛,减少图像重建后伪影的产生;引入近红外图像数据集与红外特征图线性灰度变换使模型学习更多纹理特征以修复高频细节.实验结果显示,在PSNR的比较中,本文的模型在生成器参数(Params)仅有542K情况下大幅领先于参数为1518K的SRGAN;在部分测试数据集中SSIM高于参数为16697K的ESRGAN,表明了方法的有效性.     

简单有效的序列图像超分辨率重建算法

提出了一种基于运动估计和图像重叠取中值相结合的超分辨率重建算法（采用预滤波梯度法进行运动估计）。仿真实验的结果表明,该方法不仅能够通过较小的运算量得到较为清晰的重建图像,而且对图像噪声有着十分理想的抑制作用。