基于Haar小波域自学习的图像超分辨率方法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程.为了能够有效的重构出高分辨率图像,提出一种基于Haar小波域自学习的图像超分辨率重构算法.该算法将高分辨率图像通过Haar小波变换后得到的近似子块L与已知的低分辨率图像联系起来,然后通过Bp神经网络来自学习Haar小波变换细节子块之间相近的自相似性,从而预测出高分辨率图像通过Haar小波变换后的三个细节子块H,V和D.最后由逆Haar小波变换重构高分辨率图像.实验表明由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比.     

基于二代Contourlet域遥感图像双三次插值方法

为了使插值后的遥感图像在尽可能保持原图像信息的同时,显著提高图像空间分辨率,提出一种基于第二代Contourlet变换的遥感图像三次插值算法。在对遥感图像做第二代Contourlet分解基础上,对低分辨率频带中的高频分量做双线性插值变换,使其相似于高分辨率频带中的高频分量。最后,通过反变换得到比原始图像分辨率高的插值图像。实验结果表明,该方法插值效果优于双三次插值算法、小波双三次插值和第一代Contourlet双三次插值算法。     

基于二元树复小波的图像超分辨率内插

在Nyugen N等的图像超分辨率小波内插的算法框架下，用二元树复小波变换代替实离散小波变换，使图像超分辨率小波内插能得到更好的高分辨率图像的拟台部分和更多方向的细节。算法分析和实验结果表明了该方法是对N．Nyugen等的图像超分辨率小波内插框架的进一步改进。     

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。     

基于小波域HMT模型的彩色图像超分辨率复原

提出了一种基于小波域隐马尔可夫树(HMT)模型的RGB彩色图像超分辨率算法。由于彩色图像3个通道之间具有的相关性，对3个通道分别进行独立的超分辨率重构会导致严重的色彩失真。为解决这个问题，首先通过自适应图像变换由彩色图像得到一幅能反映人类视觉感受的灰度图像；然后对此灰度图像进行超分辨率重构获得一幅高分辨率灰度图像；最后按照这一高分辨率灰度图像确定的小波系数后验状态概率对彩色图像的3个通道分别进行超分辨率重构从而获得一幅高分辨率彩色图像。由于该算法协调了彩色图像3个通道的超分辨率，因此重构出的高分辨率彩色图像避免了色彩失真。实验结果证明该算法重构出的高分辨率彩色图像具有较高的信噪比和非常好的视觉效果。     

基于BP神经网络的图像插值算法研究

图像插值技术具有重要的研究价值。本文提出了一种结合BP神经网络、小波变换、线性插值的图像放大算法,提高图像分辨率。实验结果表明:该方法获得的高分辨率图像主观上拥有良好的视觉效果,客观上具有较高的峰值信噪比(PSNR),并且较好地保留了图像细节,边缘模糊和阶梯形失真也明显降低。因此,使用本文插值算法获得高分辨率图像是可行的。     

基于小波变换和迭代反向投影的超分辨率算法

针对单帧图像的超分辨率的重建问题,在分析基于小波域及空间域相关算法的基础上,提出了一种基于小波变换和迭代反向投影的超分辨率重建算法。该算法结合了小波域和空间域算法的优势,在小波域通过小波变换对图像进行分解,再利用迭代反向投影方法使重构误差最小化,在小波域和空间域均采用简单插值方法来降低计算复杂度。实验数据表明,该算法与现有其他算法相比,得到的峰值信噪比较高,且运算复杂度较低,对图像的重建质量有明显改善。     

利用图像局部自相似性的超分辨率重构算法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程。为了能够有效地重构出高分辨率图像,提出一种基于图像局部自相似性的超分辨率快速重构算法。该算法首先利用四叉树分割的知识对低分辨率图像进行自适应分块;然后利用低分辨率图像和高分辨率图像在局部区域内的自相似性,由最小二乘方法在各个局部区域自适应的选择插值所需的参数,从而在各个局部区域内进行插值;最后运用小波域的投影算子对插值得到的高分辨率图像进行全局优化,得到最终的高分辨率图像。实验结果表明,由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比。     

基于小波的改进加权抛物线插值的图像超分辨率算法

为了尽可能地保持图像的基本信息,提高图像的视觉效果和空间分辨率, 提出一种基于小波的改进加权抛物线插值算法,即在传统的加权抛物线算法上增加插值的误 差补偿项。利用sobel 算子设定插值点的边缘方向,得到初始放大图像。利用小波变换提取 高频成份,原始图像幅值增强充当低频部分,再经过小波逆变换得到高分辨率图像。实验结 果表明,相对于传统的图像放大算法,该算法考虑到全局相关性,得到更加清晰的边缘信息。     

基于小波变换的图像超分辨率复原算法研究

在不改变现有硬件设备的情况下,结合近年来迅速发展的小波理论,提出了基于小波变换的图像超分辨率算法。对输入的低分辨率图像采用直接邻域进行插值后,利用DWT将低分辨率图像分解为不同的4个子带;同时直接对低分辨率图像进行SWT处理。由SWT得到的高频频带来修正DWT得到的高频频带,可修正估计系数。最后,通过逆离散小波变换(IDWT)组合修正的高频频带和输入图像,得到一幅高分辨率的输出图像。实验证明,与传统的双线性插值、双立方插值相比,该算法的峰值信噪比PSNR都有不同程度的提高。     

局部几何结构驱动的图像插值放大及超分辨率复原

众所周知,图像插值是根据一幅低分辨率噪声图像重建相应高分辨率清晰图像的数字图像处理技术。虽然已有一些文献报道了多种图像插值算法,然而现有算法在插值视觉效果和计算复杂度两者间往往难以实现均衡,为此,提出了一种局部几何结构驱动的偏微分方程(PDE)图像插值算法。该算法通过耦合边缘、纹理和角形3种不同几何结构的扩散机制来进行插值,插值结果表明,该算法不仅具有抗噪声性能,而且能够同时增强边缘、纹理以及角形结构。考虑到图像的超分辨率复原与插值放大在数学本质上的一致性,特将上述PDE应用推广到图像的超分辨率复原,并且针对高强度噪声情形下,超分辨率图像中出现的伪纹理结构,提出了一种耦合全变差模型的改进的PDE。实验结果表明,不论是插值放大图像,还是超分辨率复原图像都具有较高的视觉质量和峰值信噪比。     

一种基于多小波变换的自适应图像插值算法

为使插值后的图像具有很好的视觉效果和较高的信噪比,并克服使用单小波变换放大图像时的斑点干扰现象,提出了一种新颖的自适应图像插值算法,通过将图像变换到多小波域,并利用多小波域内高频子带的分形维数,自适应的根据低分辨率图像以及该图像进行一级多小波变换后的高频子带信息获取高分辨率图像二级多小波变换的子带信息,对所得到的子带信息进行二级多小波反变换,可以得到更清晰的二倍插值图像。     

小波分形插值应用于遥感图像处理

鉴于自然物体图像具有分形特征,提出了小波分形插值应用于遥感图像处理的新方法．这种小波分形插值方法利用小波变换系数中低分辨率频带中的高频分量相似高分辨率频带中的高频分量的特点．将遥感图像在小波变换的基础上用分形做相似变换,进而通过反变换得到比原图像分辨率高的插值图像．实验证明,小波分形插值方法比现有的双线性插值、三次方B样条插值方法具有更好的性能．     

基于小波域学习的单幅图像超分辨率复原

提出了一种有效的高分辨率图像复原方法,将单幅图像的超分辨率复原转换到小波域中,对小波域的3个高频信息块分别进行处理,再通过基于学习的超分辨率复原方法来实现单幅图像的复原。实验表明,通过该算法恢复的高分辨率图像具有更好的视觉效果与峰值信噪比。     

基于加权抛物线插值与小波变换的图像放大算法

图像放大问题的焦点是如何在图像放大过程中保持良好的视觉分辨率和清晰度。论文首先对加权抛物线插值算法进行了改进,在此基础上提出一种加权抛物线插值结合小波变换的图像放大算法,并对小波变换后的小波系数低频带作了幅值增强处理。实验结果表明,相对于传统的图像放大算法,该算法不仅较好地保留了原始图像的细节信息,而且还提高了放大后图像的亮度和清晰度。     

一种基于提升小波变换和IHS变换的图像融合方法

为了将低分辨率多光谱图像和高分辨率全色图像进行有效融合,提出了一种提升小波变换和IHS变换相结合的图像融合新方法。该方法首先对高分辨率图像进行无下采样提升小波分解,利用提升分解得到的各提升小波面叠加的边缘信息进行区域划分,再采用分区域加边缘有效因子的融合思想实现分区融合,使得融合的图像最大限度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率,其中区域的划分采用进化算法实现。该方法的融合结果与IHS法、小波变换法及其他改进方法进行比较,实验结果表明,该方法能较好地保留多光谱图像的光谱信息和提高分辨率图像的空间分辨率。     

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。     

一种基于边缘自适应插值的超分辨率重建方法

为了从低分辨率图像中获取高分辨率图像,本文提出了一种基于边缘自适应插值的超分辨率重建算法。首先,对低分辨率图像进行双线性插值并对插值后的图像进行边缘检测;然后,插值图像的边缘通过两种途径得以优化：一种是利用低分辨率协方差与高分辨率协方差之间的几何对偶性;另一种是利用图像的局部结构特征。实验表明,该算法比传统的线性插值方法更能提高图像的重建效果。     

基于Curvelet变换的压缩传感超分辨率重建

为了在无训练集的情况下,改善单帧退化图像的分辨率,实现了一种基于Curvelet变换和快速迭代收缩阈值法(FIST)的压缩传感超分辨率重建算法(Curvelet-FIST)。算法首先对低分辨率图像建立伪星形采样的采样方式,利用压缩传感理论,在Curvelet变换域,通过快速迭代收缩阈值法由采样值恢复出高分辨率图像。仿真实验表明,此超分辨率重建算法比传统的插值算法以及基于Wavelet变换和FIST的压缩传感重建算法(Wavelet-FIST)有更高的峰值信噪比。     

基于Contourlet变换的双三次插值算法

为保持原始遥感图像信息,提高图像空间分辨率,使其适合人眼观察,提出Contourlet双三次插值算法。在Contourlet变换的基础上,对遥感图像采用双三次插值进行相似变换,通过反变换得到比原图像分辨率更高的插值图像。实验结果表明,与双三次插值、小波双三次插值相比,该算法具有更高的信噪比和更好的图像细节效果。