超分辨率人脸图像重构识别

为了解决单幅低分辨率人脸图像重构问题,提出了基于线性物体类理论重构超分辨率人脸图像的新方法。首先利用ICA和PCA提取不同分辨率人脸的特征子空间,然后利用通过训练得到的分辨率转换矩阵重构其相对应的超分辨率人脸图像,实验表明该算法与传统的算法相比重构出的人脸图像质量和识别率都有了很大的提高。     

方向字典子图的初始邻域嵌入重构

邻域嵌入超分辨率重构算法在空间邻域选取过程中,细节特征易被大幅度特征分量淹没,为此,提出了基于方向字典子图的初始邻域嵌入重构算法.对输入图像及邻域利用方向字典进行稀疏分解,从大、小幅值表示系数中分别重构大、小幅度特征子图,保护邻域计算中的小幅度特征;同时,为降低多子图重构的运算量,通过随机森林机制,将输入图像在分类树森林中对应叶子节点图像子库的并集作为初始邻域,减小实际参与运算的图像库大小.实验结果表明,相对于邻域嵌入超分辨率算法,基于方向字典子图的初始邻域嵌入重构的峰值信噪比值平均提升了1.0959 dB,有效改善了重构效果;重构时间仅为邻域嵌入超分辨率的13.3%,降低了重构复杂度.     

基于Bayesian理论的压缩视频超分辨率重构

针对传统算法不能很好解决压缩视频的超分辨率图像重构问题,提出了一种基于Bayesian估计的压缩视频超分辨率重构算法.首先建立起一个从原始图像到压缩视频的成像模型,然后在此模型基础上运用Bayesian估计理论,在最大后验概率准则下表述该问题.通过综合使用CCD（Cyclic Coordinate Decent）和SA（Successive Approximations）等方法,从理论上给出了压缩视频超分辨率重构问题的一般解决方法.实验结果表明,此方法不仅在峰值信噪比（PSNR）和重构效果对压缩视频有较大提高和明显改善,而且算法易于扩展,具有广泛的应用范围.     

基于预条件共轭梯度的超分辨图像重构方法

针对在航空航天遥感领域使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低和混频现象严重的问题，采用超分辨率图像重构技术融合从不同角度对同一景物重复拍照得到的多帧图像冗余信息，在相机参数已知的情况下重构出超分辨率图像，消除和降低了混频效应，同时提出了快速收敛的预条件共轭梯度最优化超分辨图像重构算法．模拟成像仿真实验从9帧低分辨／率欠采样图像重构得到了分辨率提高4倍的图像．     

运用Foveated非局部均值和局部核回归的单幅图像超分辨重构

旨在对一幅低分辨图像进行单幅图像超分辨重构.采用Foveated距离度量图像的冗余相似块,利用Foveated非局部滤波进行Foveated非局部先验"冲突.利用Foveated非局部滤波进行Foveated非局部先验及引导核回归的局部先验,得出运用Foveated非局部均值和局部核回归的单幅图像超分辨重构方法.数值实验结果表明:该方法有效重构出清晰度较优的超分辨率图像,其图像边界、峰值信噪比及结构相似性均显著优于其他超分辨重构方法.     

一种改进Papoulis-Gerchberg的多幅超分辨重构方法

为进一步提高拍摄图像的分辨率,提出一种改进的Papoulis-Gerchberg超分辨算法.新算法提出边缘检测方法,可以改善传统方法空间复杂度和重构图像边缘模糊的问题.新算法在原有的算法基础上融于边缘检测,针对多幅同一场景输入图像,在每次Papoulis-Gerchberg迭代过程加入坎尼检测,同时将每步的重构误差投影到下一步重构过程,降低了算法空间复杂度,能有效恢复丢失的边缘高频信息.MATLAB实验结果表明,与现有的经典超分辨重构方法相比,本算法反映图像质量的峰值信噪比和灰度标准差更高,信噪比和灰度标准差比改进前算法分别提高0.5 d B和2.5.从视觉感官上对比,重构图像整体效果也更加清楚,去除了原始重构方法图像边缘叠影现象,有效提高了原始输入图像的分辨率.     

基于时空注意力的双分支视频超分辨率网络

视频超分方法对多幅低分辨图像进行融合、运动补偿等处理,重构一幅高分辨率图像.基于时空注意力的双分支视频超分辨率网络对运动补偿后的低分辨率图像分配不同的权重,并且引入梯度信息避免超分辨率图像出现结构失真等问题.本网络由一个重建高分辨率图像的图像分支和一个产生高分辨率梯度图的梯度分支组成.图像分支采用一组运动补偿后的低分辨...     

基于图像的超分辨率三维几何建模技术

研究了三维空间中相机标定与二维空间中图像配准的关系,以此作为结合点,建立了基于图像的超分辨率三维几何建模技术的理论框架,探讨了基于多帧图像的超分辨率三维几何建模技术。将基于图像的三维几何建模技术和超分辨率图像重构技术相结合,同时得到了高分辨率图像和高分辨率的三维几何模型,为后续的图像处理、目标识别与跟踪和虚拟现实等实际应用奠定基础。     

基于残差连接卷积神经网络的图像超分辨率重构

针对基于卷积神经网络超分辨率重构算法中存在的感受野较小、梯度信息易丢失与网络收敛较慢等问题,提出了基于残差连接卷积神经网络的图像超分辨率重构算法。通过在低分辨率空间进行图像的超分辨率重构,减少了图像预处理过程,降低了网络复杂度。利用局部和全局残差连接,对卷积网络结构和亚像素采样层进行改进,局部残差促进了网络中信息的流动,全局残差使网络只学习图像残差信息,减少了网络冗余。通过增加网络深度扩大了感受野,使网络学习到更多的重建信息。实验结果表明:本文算法的PSNR和SSIM值相较于其他算法有不同程度的提升。     

高分辨率计算集成成像自由视点光场重构方法

针对传统自由视点集成成像计算重构方法重构图像分辨率较低的问题,提出了一种基于光场模型的自由视点计算重构方法.根据视点位置和观看方向,采用光场投影矩阵将微单元图像阵列投影到重构平面上,充分利用微单元图像阵列中的信息,实现了高分辨率的自由视点集成成像计算重构.仿真结果表明,采用文中方法可以实现集成成像系统的自由视点计算重构,且重构图像的分辨率比传统方法重构图像的分辨率有了很大提高.