基于后小波处理的超分辨力图像复原算法

介绍了最大后验概率(MAP)复原超分辨力算法发展现状,然后着重介绍了基于Markov随机场的泊松最大后验概率复原算法(MPMAP)和小波滤波方法。以MPMAP算法为基础,提出了基于后端小波滤波处理和Markov分布的最大后验概率算法(PWMPMAP),试验证明这种算法具有很强的抑制噪声和振铃现象的能力,与MPMAP算法相比,复原效果明显提高,对红外热图像等低信噪比图像尤为有效,以30 dB的红外“建筑物”图像为例,相对MPMAP算法,峰值信噪比(PSNR)可以提高0.4 dB左右。     

基于MPMAP序列红外图像高分辨力重建和非均匀性校正

红外焦平面阵列(IRFPA)的非均匀性校正是获得高性能热成像的基本保证,非均匀性校正(NUC)算法是当前国内外研究的重要方向.鉴于序列图像的超分辨力复原方法和基于场景的NUC算法都需要存在微位移的多帧序列目标场景图像,本文在Poisson和Markov分布假设的基础上,将超分辨力复原与NUC结合,针对存在非均匀性的红外...     

基于Poisson-Markov场的超分辨力图像复原算法

图像的超分辨力复原和信噪比的提高是图像复原追求的目标.Poisson-ML图像复原方法(PML)具有很强的超分辨力复原能力,但在复原过程中会产生振荡条纹且对带噪较大的图像不能取得理想的复原效果.在Poisson和Markov分布假设的基础上,提出基于Poisson-Markov场的超分辨力图像复原算法及其正则化参数的自适应选择方法(MPML).实验表明,MPML算法不但具有很好的超分辨力复原能力,而且能有效减少和去除复原图像中的振荡条纹,对于带噪较大的图像也能取得理想的复原效果,因此其图像复原质量明显好于PML算法.正则化参数能被自动优化地选择且与图像复原的迭代运算同步进行.     

视频监控图像的超分辨率复原研究

超分辨率复原技术是一种可用于提高图像细节辨识能力的有效方法。其在视频监控领域可望得到广泛应用。超分辨率图像处理技术通过融合多帧相似的低分辨率图像达到提高图像细节的目的。从而降低对监控视频采集硬件与后端辅助处理系统的要求,提高对特定目标的辨析能力。本文重点介绍了在视频监控领域较为实用的凸集投影算法、最大后验概率估计算法、基于对象的超分辨率复原方法、基于示例学习与多类预测器的超分辨率复原方法。对以上超分辨率复原方法实现流程的优缺点与其在视频图像监控领域的应用方法进行了相应分析。分析了超分辨率视频监控图像复原常用的基于块匹配与光流的对象运动估计方法。对超分辨率复原重建图像质量的评估标准也进行了相应讨论。     

图像超分辨率重建处理算法研究

超分辨算法为实现图像和视频分辨率提高的一种方法。其广泛应用于数字电视、医学图像处理、军事与遥感等领域。超分辨率图像通过融合多帧相似的低分辨率图像达到提高图像细节的目的。本文对使用较为普遍的频域方法、非均匀差值算法、凸集投影算法、迭代反投影算法、最大后验概率方法及基于学习的方法进行了分析,并简要讨论了超分辨算法未来的发展方向。     

一种用于动态视频超分辨率的多尺度最小二乘仿射块匹配图像配准方法

动态视频的超分辨率复原中,连续各帧图像间的精确匹配具有非常重要的意义.该文提出一种基于多尺度最小二乘仿射块匹配的图像配准方法.首先定义了一个指标来衡量图像的整体和局部匹配效果,并以此为基础设计了一种多尺度块选择机制,根据图像的运动情况选择匹配块大小,以兼顾图像中运动平坦和非平坦区域的匹配效果.与传统的块匹配方法不同,该文采用基于仿射模型的最小二乘配准方法实现各图像块的匹配,并通过修正步长的归一化处理解决了不同大小图像块在匹配时的收敛问题,从而在提高参数估计精度的同时降低了算法的运算量.最后,通过实验对算法的匹配性能及其对超分辨率复原算法整体性能的影响进行了测试.实验结果表明,该方法不仅可以实现更为准确的运动估计,当用于最大后验概率MAP超分辨率复原算法时,能够进一步有效提高算法的复原性能和实现速度.     

一种光学图像的快速超分辨率重建方法

图像超分辨率重建技术旨在复原成像系统截止频率之外的信息，提高图像的分辨率．针对单幅光学图像，提出了基于分层的超分辨率重建方法．在算法的实施过程中，提出一种级联模板的快速运算方法．实验结果表明了方法的简洁和有效性．     

改进的马尔科夫随机场的遥感图像超分辨率复原算法

针对原有使用马尔科夫随机场理论进行超分辨率图像复原,并结合遥感的图像特点,提出了将基于马尔科夫随机场的超分辨率算法应用在遥感的图像复原处理之中。在原有算法的基础上进行改进,为了减少字典存储的训练图像块之间的冗余,采用随机选取训练图像块的方法,同时,通过迭代反投影算法改善图像块之间的拼接痕迹。通过MATLAB仿真,证明改进后的算法与原始算法比较,有更好的复原结果,图像细节能够更好地复原。     

一种基于权值矩阵的序列图像超分辨率盲复原算法

 建立准确的观测模型是提高现有超分辨率复原算法性能的关键.本文提出一种基于权值矩阵的超分辨率盲复原算法:定义了一种新的基于权值矩阵和运动补偿矩阵的观测模型,在最大后验概率框架下,采用交替最小化方法对权值矩阵和高分辨率图像进行联合优化求解.静止和动态图像序列的测试结果表明,该方法能够实现对低分辨率图像降质过程的准确描述,其复原性能明显优于传统基于理想观测模型的算法,部分结果甚至超过了观测模型已知的算法.     

一种快速的单幅图像去雾算法

为了解决基于暗原色先验的单幅图像去雾算法运行效率低,以及去雾后在图像的明亮灰白区域存在图像色彩失真的问题,提出一种快速有效的单幅图像去雾算法.该算法基于HSI色彩空间进行粗略的透射率以及大气光的估计;然后,用导向滤波对粗略的透射率进行平滑,再利用阈值法对灰白明亮区域的透射率进行修正,得到最终的透射率;最后,进行色彩调整得到复原图像.实验结果表明,本文算法具有很高的运行效率,能有效提高复原图像的清晰度和对比度.     

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。     

Single image super-resolution using self-examples and texture synthesis

An algorithm for single image super-resolution based on example-based super-resolution and example-based texture synthesis is proposed. While many other techniques for single image super-resolution are mainly effective on edges, the proposed algorithm enhances both edges and texture detail. The algorithm does not use an additional example database as it uses self-examples to synthesize new detail and texture, assuming that images contain a sufficient amount of self-similarity. The texture synthesis component of the algorithm enables the re-synthesis of texture at the output resolution to achieve super-resolution. The algorithm aims to create plausible, visually pleasing detail rather than reconstructing the true high-resolution image. Experimental results for natural images confirm the algorithms ability to create visually pleasing results, but also indicate that its performance is highly content dependent. Future efforts will be aimed at improving the robustness of the method.     

Accurate image registration for MAP image super-resolution

The accuracy of image registration plays a dominant role in image super-resolution methods and in the related literature, landmark-based registration methods have gained increasing acceptance in this framework. In this work, we take advantage of a maximum a posteriori (MAP) scheme for image super-resolution in conjunction with the maximization of mutual information to improve image registration for super-resolution imaging. Local as well as global motion in the low-resolution images is considered. The overall scheme consists of two steps. At first, the low-resolution images are registered by establishing correspondences between image features. The second step is to fine-tune the registration parameters along with the high-resolution image estimation, using the maximization of mutual information criterion. Quantitative and qualitative results are reported indicating the effectiveness of the proposed scheme, which is evaluated with different image features and MAP image super-resolution computation methods.     

Example-based single document image super-resolution: a global MAP approach with outlier rejection

Regularization plays a vital role in inverse problems, and especially in ill-posed ones. Along with classical regularization techniques based on smoothness, entropy, and sparsity, an emerging powerful regularization is one that leans on image examples. In this paper, we propose an efficient scheme for using image examples as driving a powerful regularization, applied to the image scale-up (super-resolution) problem. In this work, we target specifically scanned documents containing written text, graphics, and equations. Our algorithm starts by assigning per each location in the degraded image several candidate high-quality patches. Those are found as the nearest-neighbors (NN) in an image-database that contains pairs of corresponding low- and high-quality image patches. The found examples are used for the definition of an image prior expression, merged into a global MAP penalty function. We use this penalty function both for rejecting some of the irrelevant outlier examples, and then for reconstructing the desired image. We demonstrate our algorithm on several scanned documents with promising results.     

User-friendly secret image sharing scheme with verification ability based on block truncation coding and error diffusion

Conventional secret image sharing schemes, which are constructed based on Shamir’s method, often suffer from random-liked shares, lossy reconstruction and high computation complexity. In addition, their generated shares are generally in original image format which may lead to more storage and suspicion from invaders. In this paper, we propose a user-friendly secret image sharing scheme based on block truncation coding (BTC) and error diffusion, where meaningful shares can be directly generated without any extra process. The meaningful shares by the proposed scheme are in BTC-compressed format which can reduce the capacity of transfer and storage. In the reconstructing phase, the secret image can be losslessly reconstructed by performing XOR operations on bit planes of sufficient BTC-compressed shares. Further, the proposed scheme provides extra verification ability to identify cheaters and check false shares. Theoretical analysis and simulation results demonstrate the feasibility of the proposed scheme.     

基于稀疏表征的图像超分辨算法研究

超分辨率图像恢复的目的是由低分辨率图像得到高分辨率图像,通常需要多幅或者一系列连续低分辨率图像．在有限的条件下很难得到。针对单幅图像超分辨问题,结合当前比较先进的稀疏表征方法,利用训练集图像的先验信息．对单幅图像进行超分辨率恢复。结合当前先进的基于稀疏表征的超分辨算法,采用误差反投影方法,提出一种改进的算法．对超分辨率...     

基于稀疏K-SVD的单幅图像超分辨率重建算法

图像的超分辨率重建技术可以提升图像质量,改善图像视觉效果,在现实中具有很高的实用价值。针对基于K-SVD的超分辨率重建算法的不足,本文提出一种基于稀疏K-SVD的单幅图像超分辨率重建算法。首先,采用稀疏K-SVD方法进行训练获得高低分辨率字典对,以待重建的低分辨率图像及其降采样作为字典训练的样本,提高了字典和待重建的低分辨率图像的相关性;然后,采用逐级放大的思想进行重建;最后,利用非局部均值的方法,进一步提高重建效果。实验表明,与基于K-SVD的超分辨率重建算法相比,本文算法重建图像的峰值信噪比平均提高了0.6dB左右。重建图像在视觉效果上,也有一定程度的提升。