基于多锚点邻域回归的图像超分辨率算法

给出了一种多锚点邻域回归图像超分辨率算法。首先,对单锚点超分辨率算法重建的高分辨图像进行分块,利用欧氏距离在训练图像块集合中寻找每个图像块的近邻集合。其次,根据近邻块集合中的图像块在每个锚点空间出现的频率,计算近邻图像块的分布概率,获得相关的锚点。最后,利用指数函数计算相关锚点在图像重建时的权重。仿真实验证明,改进算法与单锚点超分辨率重建算法相比,所恢复的高分辨率图像的峰值信噪比有一定提高,并且图像的边缘更加清晰,细节信息更加丰富。     

基于流形学习的车牌图像超分辨率算法

为了解决视频监控系统中车牌图像分辨率较低、车牌字符难以辨识的问题,提出一种基于流形学习的车牌图像超分辨率重建算法。首先学习训练样本库中高、低分辨率图像之间的映射关系,然后利用线性判别分析(Linear Discriminant Analysis,LDA)算法提取图像特征,并利用流形学习中的局部线性嵌入(Locally Linear Embedding,LLE)算法对特征向量进行参数建模,最后通过特征映射关系获得高分辨率图像。实验表明,该方法对监控系统中的低分辨率车牌图像具有较好的超分辨率复原效果,不仅提高了字符的可读性,而且具有更高的峰值信噪比。     

深度图像超分辨率重建技术综述

便携式消费级深度相机的问世和发展,加速了深度信息在无人驾驶、人机交互、三维重建等领域的应用,但低成本消费级相机所拍摄的深度图像通常具有较低的空间分辨率。深度图像超分辨率重建是一种能有效提高深度信息空间分辨率的方法,已经成为计算机视觉和图像处理领域的研究热点。在详细阐述深度图像超分辨率重建概念和必要性的基础上,从输入图像角度,全面梳理归纳了近年来深度图像超分辨率重建方法的研究现状,对其中的关键性问题和今后的研究方向做了较为深入的分析,最后对深度图像超分辨率重建的应用前景进行了展望。     

改进SRGAN的图像超分辨率算法

SRGAN算法虽然具有许多优点,但也存在图像重建效果不够好、参数数量庞大、激活函数表现较差等问题。为此,本文提出一种基于SRGAN的图像超分辨率算法SRGAN-E。该算法首先删除BN层,提高图形的重建效果;再在原生成器模型中加入一维卷积注意力机制,使得图像在重建过程中更加关注上下文信息并减少网络模型中生成器的参数;将SRGAN算法鉴别器模型中的LeakyReLU函数改为Mish函数,以提升鉴别器的性能。实验结果表明:对比SRGAN算法,改进后的SRGAN-E算法在4个测试集上PSNR的平均值增加了0.345,SSIM的平均值增加了0.009;SRGAN-E算法的生成器参数数量与SRGAN算法相比,减少了1 388个。SRGAN-E算法不但提高了图像的重建效果而且还减少了模型参数。     

多视频的时空超分辨率重建算法

Shechtman E等提出的时空超分辨率重建算法,在输入低分辨率视频序列足够多的情况下,重建效果非常好.但在实际应用中很难获得针对同一动态场景的大量低分辨率视频序列,导致该重建算法的应用有了一定的局限性.针对这一问题,提出了一种新的时空超分辨率重建算法.采用Shechtman E等提出的算法重建出一个高时间分辨率视频序列,采用改进的迭代反投影算法提高该高时间分辨率视频序列的空间分辨率,从而得到一个高时空分辨率视频序列.实验结果表明,提出的新算法能较好地实现用较少的低分辨率视频序列重建一个高时空分辨率视频序列.     

基于小波变换和插值的超分辨率图像处理算法

根据图像小波变换和插值处理的特点，提出了一种将小波分解与插值算法相结合的图像插值处理方法，以提高图像的分辨率。通过实验表明：该方法能够较好的保持原图像中丰富的高频信息，经插值处理并小波重建后提高了图像分辨率，而且图像主观上具有很好的视觉效果，客观上具有较高的信噪比，并图像中细节丰富，无明显的畸变，因此它也是超分辨率图像处理的一种行之有效的方法。     

基于重建方法的图像超分辨率技术发展现状分析与方向预测

图像超分辨率(super resolution,SR)重建技术是利用一帧或多帧低分辨率(low resolution,LR)图像的信息来重建一帧清晰的高分辨率(high resolution,HR)图像的技术,是图像处理中的研究热点。介绍了基于重建方法的图像SR技术的基本原理及数学模型,以频域方法和空域方法作为分类依据,分别阐述了图像SR重建技术的经典方法和最新进展,并对各类算法的优缺点进行了系统的分析和总结,最后指出了基于重建方法的图像SR技术的研究方向。     

基于多分辨率学习卷积神经网络的磁共振图像超分辨率重建

高分辨率磁共振图像对于医学诊断具有重要意义,本文提出一种多分辨率学习卷积神经网络,并应用于磁共振图像超分辨率。网络是一种新型深度残差网络,包含用于特征提取的残差单元、多分辨率上采样的反卷积层以及多分辨率学习层。设计的网络在低分辨率图像空间中实现图像超分辨率,采用多分辨率上采样实现多个残差单元信息融合并加速网络,多分辨率学习能够自适应地确定各分辨率上采样的高维特征图对磁共振图像超分辨重建的贡献度。实验表明,论文提出的方法能够很好地超分辨率重建磁共振图像,优于最新的深度学习方法。     

超分辨率重建的微小人脸识别算法

针对低分辨率下小尺度人脸图像缺失有效身份信息导致的识别率低的问题,提出了超分辨率重建的微小人脸识别算法。该算法首先将采集到的低分辨率人脸图像进行超分辨率重建,并采用细节增强的方法,以恢复图像的面部轮廓信息与纹理细节等高频信息,再通过一个改进的密集连接网络做特征提取,进行图像识别。实验结果表明,该方法对于小尺度的人脸图像,在图像识别率上优于其它人脸识别算法,能够有效解决现实环境中微小人脸识别率低的问题。     

车牌识别系统中的超分辨率图像重建技术研究

针对车牌识别系统中图像模糊和分辨率低而影响车牌识别效果的问题,提出利用超分辨率重建来提高车牌图像分辨率的解决方法.建立了凸集投影(POCS)算法的数学模型,研究了凸集投影超分辨率重建的实现过程,并用仿真实验进行了验证.实验结果表明:采用凸集投影算法进行图像重建,可以提高车牌图像分辨率,丰富图像细节信息,能够有效提高车牌识别的准确率,并且迭代次数越多,图像重建效果越好.     

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.     

一种基于核主成分分析的图像超分辨率算法

测试样本和训练样本集的匹配是基于学习的超分辨率算法中关键问题之一。本文方法通过将低分辨率的观察样本映射到高维的核空间中,实现测试样本和训练样本集的准确匹配,避免了基于学习的超分辨率算法中错误匹配问题,提高生成图像的质量。该算法包括:测试样本对训练样本集进行核主成分分析(kernel principal components analysis, KPCA); 利用距离约束算法得到在输入空间中的原像;最后将新生成的图像块进行重组,得到高分辨率的图像。在USPS数据集上进行的实验验证和对比分析表明：基于KPCA的图像超分辨率方法能够取得较好的超分辨率效果。     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用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的问题，提出了采用人工神经网络映射图像重构过程非线性特性的方法．在相机参数已知的情况下，用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息，重构得到较高分辨率的图像．在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果．     

SiC悬浊液超光滑表面加工技术

以纳米SiC颗粒悬浊液作为超光滑加工的载体,研制了适合进行超光滑表面加工且具有良好分散性和稳定性的纳米SiC颗粒悬浊液,阐述了悬浊液浮超光滑表面加工的机理,并用该悬浊液对K9光学玻璃进行了加工试验研究,并进行了AFM测试。验证结果表明,加工获得的K9光学玻璃表面粗糙度可以达到Ra=0.84 nm的水平。     

图像阈值分割技术中的部分和算法综述

分析图像阈值分割技术在理论改进与实际应用过程中所面临的瓶颈问题,寻找解决问题的切入点。从提高算法效率的角度,以熵阈值法和Otsu阈值法为例,通过分类对比并结合理论综述,整理发掘出部分和算法研究对于阈值分割技术的作用和意义。与部分和问题相融合,是阈值分割技术未来的研究方向和重点。     

低分辨雷达的一维横向成像及提高分辨率的方法

对飞机一类准平面目标,其一维图像能在很大程度上显示目标的特征,用作目标识别是可取的,低分辨率的常规雷达,对飞机一类目标不能作纵向分辨,但可以从回波序列得到一维的横向图像,其所成图像的分辨率不高,甚至成像不正确,其主要原因有二：其一是平动补偿不正确;其二是未考虑目标的非平面、非均匀转动。文中针对这两方面的问题,提出了新的一维横向成像算法,通过仿真数值和实测数据处理,表明新算法是合理的。     

由图像的稀疏分解重建图像的快速算法

针对由图像的稀疏分解结果重建图像的速度极其缓慢这一问题,研究了表示图像的原子的能量分布特性。利用了表示图像内容的绝大部分原子的能量分布具有非常集中的特点,提出了由分解后的原子参数重建图像的快速算法。该算法对于一个原子的计算只限于原子能量集中的区域,并在此基础上实现了原子能量及原子归一化的快速计算。采用快速算法使图像重建的速度提高了约32倍,同时保证快速重建图像的质量保持不变。     

超分辨率图象重建技术发展现状

本文首先对图象超分辨率重建的概念进行了阐述；然后在分类的基础上，对目前主要采用的超分辨率重建方法进行了介绍，并指出了其优点与不足；最后对其未来的研究和发展方向进行了总结和展望。     

不同分辨率图象的计算机复合方法与效果

以往对不同分辨率图象进行复合时,不管工作如何细致,图象配准得如何精确,由于不同分辨率的影响,使复合产生的新图象质量受到很大影响。 作者结合“75”国家科技攻关项目:多种遥感数据的综合分析,研制了一种新颖和有效的复合方法——IHS变换复合法,使计算机复合处理获得十分理想的图象,在地质与地学信息提取方面获得十分满意的效果。这一方法为多种遥感图象及各种遥感与非遥感图象的复合与综合显示开辟了一条有效的新途径。