亚像元技术在图像采集系统中的应用

指出利用亚像元技术来提高图像采集系统空间分辨率,不仅要在理论上研究亚像元技术的性能以及图像超分辨率重建算法,还要研究亚像元技术受到系统其他因素的影响以及亚像元技术对系统其他性能的影响.分析了图像配准程度、光学系统点扩散函数以及仪器信噪比和亚像元技术的相互影响关系,并得到结论根据系统不同工作环境进行设计以保证亚像元技术带来的空间分辨率的提高和系统其他性能的平衡,是在系统中正确运用亚像元技术的关键.     

超分辨率图像重建引起的噪声放大与滤波

总结了图像序列相位关系对超分辨率图像重建效果的影响规律,对超分辨率图像重建引起的高斯噪声和散粒噪声的放大予以研究.通过叠加不同方差的高斯噪声的图像序列重建实验,得到结论维纳滤波可以有效地滤除放大后的高斯噪声,但是超分辨率图像重建后散粒噪声放大成为"波纹"形状的噪声,传统的中值滤波法不能有效地滤除放大后的"波纹"形状噪声...     

超分辨率重建技术研究进展

超分辨率(Super Resolution,SR)重建技术是指由一些低分辨率(Low Resolution,LR)模糊的图像或视频序列来估计具有更高分辨率(High Resolution,HR)的图像或视频序列,同时能够消除噪声以及由有限检验器尺寸和光学元件产生的模糊,是提高降质图像或序列分辨率的有效手段。首先介绍超分辨率重建所基于的成像系统模型,并对现有的图像超分辨率重建算法进行总结,重点对基于学习的超分辨重建算法进行对比分析,最后指出超分辨率重建技术的发展方向。     

生成式对抗神经网络的多帧红外图像超分辨率重建

生成式对抗神经网络在约束图像生成表现出了巨大潜力,使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑,缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间的时间-空间相关性的问题,提出了一种基于生成式对抗神经网络的多帧红外图像超分辨率重建方法（M-GANs）。首先,对低分辨率图像序列进行运动补偿;其次,使用权值表示卷积层对运动补偿后的图像序列进行权值转换计算;最后,将其输入生成式对抗重建网络,输出重建后的高分辨率图像。实验结果表明:文中方法在主观及客观评价中均优于当前代表性的超分辨率重建方法。     

亚像元图像超分辨率重建研究

针对光纤束耦合成像系统的特点,对存在亚像元量级空间错位的图像进行超分辨率重建研究。研究分为图像配准与融合两个步骤。图像配准时,用经典的Keren配准算法对两幅图像进行亚像元级别配准。图像融合时结合双三次插值对配准后两幅图像进行Mallat小波分解与重构,从而实现图像超分辨率重建。实验结果表明,简化后的配准算法配准精度达到了0.01像素,而经过插值与融合重建出来的图像空间分辨率提高了一倍,并且保留了丰富的细节信息。     

基于配准的肺4D-CT图像超分辨率重建

肺4D-CT数据在肺癌治疗中有重要意义.但肺4D-CT数据纵向(Z方向)分辨率低,为显示正确比例图像需进行插值运算,由此带来图像的模糊.本文提出了一种基于Active Demons配准的超分辨率重建技术来提高肺4D-CT图像分辨率.我们将不同相位同一位置的低分辨率图像视为不同"帧"图像.首先采用Active Demons配准方法得到不同"帧"图像之间的运动估计;而后采用凸集投影(Projection Onto Convex Set,POCS)超分辨率算法重建高分辨率肺图像.实验结果表明,与三次样条插值和反投影方法相比较,我们的方法能得到更清晰的肺图像,明显增强图像结构.     

空间中波红外线列过采样探测系统设计

随着长线列红外探测器技术的发展,其在空间遥感领域中得到愈来愈广的应用。亚像元探测技术在空间遥感领域已得到了广泛应用,在可见波段SOPT5卫星通过亚像元探测技术获得了2.5m分辨率的高分辨率图像。给出了一套中波红外亚像元探测系统的设计方法。设计以交错排列的中波探测器为成像焦平面,设计了包括光学系统、杜瓦结构、基于PFGA的控制时序以及信号处理电路、采集系统以及图像显示的一整套系统。以该系统为终端,进行了目标成像试验,并对图像进行了非均匀性校正处理以及图像的重建。     

基于加权Boosting的核偏最小二乘图像超分辨率重建

核偏最小二乘(KPLS)算法对每个图像块选用全部主元成分进行图像重建,导致图像超分辨率算法的计算量大。兼顾图像重建质量和时间效率,该文提出一种加权Boosting的图像超分辨率重建算法。为自适应地选取每个图像块主元成分的最佳数目,利用加权Boosting原理对KPLS回归预测量进行补偿,推导给出补偿权重系数的数学表达式。讨论不同Boosting阈值d情况下的重建性能,在合适的d下,选取出主元成分的最佳数目m更好地满足KPLS回归模型的精度要求。实验结果表明,该文算法的超分辨率重建质量优于传统算法。     

超分辨率重构

利用低分辨率的图像序列来估计高分辨率图像的方法称为超分辨率图像重建,逐步成为当前科研热点.本文通过POCS视频图像重建算法为例,阐述了超分辨率的概念、应用场合及基本策略和分类,并对超分辨率的重构方法和前景进行了展望.     

超分辨率重构

利用低分辨率的图像序列来估计高分辨率图像的方法称为超分辨率图像重建,逐步成为当前科研热点。本文通过POCS视频图像重建算法为例,阐述了超分辨率的概念应用场合及基本策略和分类,并对超分辨率的重构方法和前景进行了展望。