基于FPGA动态可重构的高速、高质量的图像放大

为了能高速、高质量地进行图像放大，提出了一种以硬件方法完成高阶图像插值运算来实现图像放大的新方法。该方法为了保证图像放大后的质量，采用了3次B-样条来对图像放大后的像素点灰度值进行插值运算，并提出一种基于IIR和FIR数字滤波器的3次B-样条插值法的高速实现方案。另外，为了能在系统中实现不同倍数图像放大，系统中还引入了基于FPGA的动态可重构技术，即通过实时地改变FPGA的配置，以实现不同的算法。同时还针对256灰度级图像设计出一种基于FPGA的高速、高质量的硬件图像放大及显示系统。     

约束点模型的图像放大方法

对经典的双线性及双三次插值图像放大法进行改进,提出一种基于约束点模型的图像放大方法,即在5×5邻域内约束10个像素点进行图像内部放大及在3×3邻域内约束6个像素点进行图像边界放大。该方法改善了图像特别是边缘部分的模糊现象。建立的图像质量评价体系证明了该方法得到的放大图像质量有了明显的提高。     

基于扩大采样范围的图像放大算法

文章简要介绍了几种常用的图像放大算法,包括时域内和频域内的不同方法,并介绍结合图像边缘检测技术进行图像放大。最后提出一种基于扩大采样范围的图像放大处理算法,通过搜索6*6范围内图像像素点相关性,对图像进行放大,改善图像放大效果。     

基于总变差的图像放大和增强方法

利用小波的多分辨分析和总变差极小原理,提出了一种实现图像放大和增强的新方法。该方法把原图像作为放大图像的小波子带,对放大图像强加了一种小波系数型的限制。放大图像利用图像总变差极小模型进行正则化。经求变分产生带限制的非线性扩散方程作为总变差极小的必要条件,求解偏微分方程得到增强的放大图像。对人工合成图像、医学MRI心脏切片和人物图像进行了实验。实验结果说明该方法同时实现图像放大和增强的有效性。     

高清视频监控中的图像局部放大方案

针对现代安防领域高清实时视频监控中目标点过小不易分辨的问题,为满足用户同时掌握场景全局信息与目标点处清晰的局部信息这一需求,提出了一种多屏播放系统的图像局部放大的方案.分析了软件实现的关键技术,建立了全景图像与局部图像的坐标对应关系;提出了一种鼠标定位算法并推导出相关计算公式,完成并实现了图像局部放大模块的软件代码.实验结果表明了该设计方案的准确性和有效性.     

一种新的基于小波变换的图像放大算法

图像放大技术的主要难点在于如何使放大后的图像尽可能保持原始图像的清晰度.传统的内插法存在着一定的缺陷.提出了一种新的图像放大算法,该算法以小波变换为基础,采用分段样条插值法进行高频系数放大,通过对变换系数进行非线性增强保证放大图像的清晰度.实验证明,该方法具有很好的放大效果.     

基于小波变换和Cycle Spinning图像放大算法

提出一种基于小波变换和Cycle Spinning的图像放大算法。该算法对放大后图像进行初始估计,对估计图进行小波变换,并用Cycle Spinning去除图像中因小波变换而产生的伪吉布斯现象,进行小波逆变换得到放大图像。数值实验结果证实该方法在放大图像的同时也增强了图像的清晰度和对比度,能够有效提高放大图像的RMSE及PSNR,该方法也适用于带噪图像的放大。     

基于偏微分的图像放大算法研究

在研究图片放大算法中,分析了现有的运用偏微分算法在图像法大中的不足,利用图像放大过程中的边缘信息可预知性,本文提出一种新的基于偏微分方程的图像放大算法,这种算法通过将图像边缘检测、平滑处理,然后采用三次样条插值算法对边缘进行相应倍数的放大,并通过对可能出现的锯齿边缘进行细化处理;将处理过的边缘作为放大图像的边缘,从而可以将源图像的边缘很好的保持下来,避免了偏微分方程放大过程中出现的边缘模糊现象。实验结果显示,该方法是一种能够很好的保存图像的边缘信息的图像放大算法。     

一种基于分数阶偏微分方程的图像放大算法

针对传统图像放大算法的不足之处,将物理意义鲜明的分数阶偏微分理论引入到图像放大算法中,提出一种新的基于分数阶偏微分方程的图像放大算法,使得放大图像的轮廓更加清晰,同时能够有效保留放大图像的细节边缘特征。仿真实验结果表明,该方法对比传统图像放大算法在放大图像的同时也增强图像的清晰度和对比度。     

基于边缘像素点分类和插值的图像放大新算法

提出了一种超分辨率图像放大的新方法.根据低分辨率图像上的边缘信息,对初始的一个小图像块依据其对应的低分辨率图像上的边缘点进行分类,并根据此分类对图像块中某些像素点进行重新插值,得到放大的高分辨率图像块.由于对图像中的边缘点进行了特殊的处理,所提出的方法可以提高放大图像的边缘部分的清晰度,克服传统图像放大中图像过于平滑的缺点,对图像进行很好的放大.     

基于自归一化神经网络的低分辨率人脸识别

为了解决传统人脸识别算法对低分辨率人脸图片识别效果不佳的问题,提出了一种轻型判别自归一化神经网络,能够从高分辨率及其对应的低分辨率图像中提取具有判别性的特征,并将特征耦合映射到共同的子空间。该模型引入缩放指数线性单元,具有自归一化属性,能够加速收敛。为了最小化类内距以及扩大类间距,基于高低分辨率图像特征之间的判别性和相似度,对现有的损失函数进行了优化,从而使得相同类别的特征更紧凑。提出的方法在一个标准人脸数据集以及两个监控数据集上的识别率分别达到了95.57%、94.10%和84.56%,优于其他算法,适用于非限制条件下的低分辨率人脸识别。     

气象图像放大补偿技术研究

气象图像都是卫星远程采集的,图像放大后,气象图像像素个数不变,造成像素变形,变形后的像素很容易被破坏,导致放大后的气象图像清晰度不高,为此,提出一种基于滤波插值的放大图像处理算法;通过滤波计算,过滤放大后图像多余的噪声,然后对变形像素进行插值计算,补偿由于显示区域变大导致的像素变形,完整像素数量不足的缺陷,克服由于放大造成的图像清晰度下降的弊端;实验结果表明,该方法能够大幅提高气象图像放大后的清晰度,具有很强的实用性和推广价值。     

正则化算法在CT图像重建上的应用

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像（Computed tomography,CT）技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题. 因此,图像重建的算法应用变得尤为重要,本文将现有的几种正则化超分辨率重建算法应用到CT图像重建上并做了一系列的对比分析,分析不同算法下不同的图像重建效果. 首先对低分辨率CT图像进行图像配准,然后再进行样条插值放大,最后运用相关正则化算法进行超分辨率图像重建. 实验结果表明正则化算法的应用一定程度上提高了图像分辨率,其中双边正则化下的重建效果最好,基于L2范数全变分正则化效果较差.     

基于形态学和自适应模糊内插的红外图像放大

提出一种有效的红外图像放大算法，该算法和常用的基于双线性内插进行图像放大的算法有所不同．文中算法首先采用基于形态学的预处理算法对红外图像进行预处理；以使得边缘定位更容易；然后采取一种自适应模糊内插算法进行图像放大，该算法克服了一些基于双线性内插算法进行图像放大的算法的缺点；最后，给出文中算法和基于双线性内插算法进行图像放大的算法的实验结果．实验结果表明，文中算法有效地提高了放大图像的质量．     

对半偶图像作LDA变换的人脸识别方法

对于人脸图像而言，偶图像相当于原始图像与它的镜像的和。为了增大训练样本，许多人脸识别算法把镜像图像加入到训练集中。与这些方法不同，本文把原始训练集中的每一幅图像都变换为它的半偶图像得到新的训练集。对于新的训练集，采用LDA(Linear discriminant analysis)方法提取特征后作分类。在ORL和IIS人脸库上的实验结果表明，对半偶图像作LDA的人脸识别方法有较高的识别率。     

改进AOD-Net的道路交通图像去雾算法

针对现有图像去雾算法在处理道路交通图像时无法同时兼顾去雾效果和实时性的问题,本文以快速一体化网络去雾算法(AOD-Net)为基础进行改进.首先,在AOD-Net中添加SE通道注意力,以自适应的方式分配通道权重,关注重要特征;其次,引入金字塔池化模块,扩大网络的感受野,并融合不同尺度特征,更好地捕捉图像信息;最后,使用复合损失函数同时关注图像像素信息和结构纹理信息.实验结果表明,改进后的AOD-Net算法对道路交通图像去雾后的峰值信噪比提升了2.52 dB,结构相似度达到了91.2%,算法复杂度和去雾耗时略微增加,但仍满足实时要求.     

基于改进DehazeNet的图像去雾方法

近年来,计算机视觉领域得到了飞速发展,因此获得高质量的图像信息显得尤为重要.图像去雾是在恶劣天气条件下增强图像视觉质量所广泛使用的一种技术.暗通道先验的方法通过估计大气光以达到图像去雾的目的,虽取得了不错的效果,但仍然存在大气光值估计过高和不适用于大面积白色区域的问题.针对现有的图像处理去雾问题,本文提出了基于改进DehazeNet的深度学习图像去雾方法,该方法在估计透射率图部分引入了深度可分离卷积层.为增大感受野,在大气光值中采用膨胀卷积的方法,经验证表明,本文改进的去雾算法能有效还原有雾图像,提高图像质量,去雾效果从定量和定性两者评价上均优于其他对比算法.     

Robust and automated unimodal histogram thresholding and potential applications

In this paper, three new histogram-based algorithms are presented to segment images expressing unimodal intensity histograms. These algorithms are applied to laser scanning confocal microscope images (known to often exhibit unimodal histograms) to identify fluorescent signals, and other applications are also shown. The first algorithm facilitates linear diffusion to investigate dynamic histogram features in scale-space. The second algorithm is based on a histogram comparison between a reference area and the whole image at reduced scale. The third algorithm uses the maximisation of a between-class variance criterion applied to image histograms. Results obtained from automatic thresholding of confocal microscopy images show good agreement between the algorithms. Further applications to segment other images are also shown.     

Reconstruction of 3-D binary tree-like structures from threemutually orthogonal projections

A method is developed to generate the 3D binary representation for a tree-like object from three mutually orthogonal projections. This is done by first backprojecting the binarized images from three directions and then iteratively removing artifacts in the backprojection. Three different algorithms have been developed: the Lagrange multiplier algorithm, the conjugate gradient algorithm, and the minimum-voxel representation algorithm (MRA). The performance of these algorithms under noise-free conditions is evaluated using mathematically projected images of a 3D tree structure. While all three algorithms are capable of producing a relatively accurate reconstruction, the MRA is superior not only because it requires the least amount of computation but also because it uses binary instead of gray-scale information in the input images. Reconstruction of 3D coronary arterial structures using MRA is further verified with X-ray images of a human chest phantom and shows a satisfactory performance. The result of this study should be valuable for 3D imaging of blood vessels