基于小波域LS方法的图象超分辨率重构算法

为了能够有效地重构出高分辨率图象，提出了一种基于小波域最小二乘法(LS)的图象超分辨率重构算法．该算法是利用多尺度边缘的自相似性，由低分辨率图象通过预测来得到高分辨率图象小波变换的3个高频通道，以实现图象超分辨率重构．由于该算法保持了图象边缘附近的几何正则性，因而能够重构出较高质量的图象．同时，由于小波系数的预测只在边缘处进行，因此该算法具有较小的计算复杂度．实验表明，该算法较好地实现了图象超分辨率重构．     

MAP超分辨率图象重构的一种新快速算法

超分辨率(SR)成像是将多帧低分辨率图象重构成一幅高分辨率图象.由于超分辨率成像是一大型病态求逆过程,其计算量随着低分辨率图象帧数的增加而急剧上升.因而如何降低计算复杂度是超分辨率成像所面临的一个急需解决的课题.本文提出了一个基于多帧低分辨率图象重构的新快速算法,我们称之为"步进"算法.新快速算法的原理是利用各低分辨率图象之间位移的关系来将所有的低分辨率图象进行重组,然后对每个组进行超分辨图象重构.实验结果表明,该新快速算法能够在保持基本不变的重构效果的条件下,较大的提高了超分辨图象重构的速度.     

多CCD图象传感器在辐射成象系统中的应用

多CCD图象传感器辐射成象系统采用当前最先进的光电成象器件 ,高速、高分辨率图象采集卡和现代数字图象处理技术 ,可以直接得到弹道过程的四个时刻的四幅数字X射线图象。概述多CCD图象传感器辐射成象系统的组成和原理 ,详细论述多CCD图象传感器的应用技术。     

SAR与可见光图象匹配方法的研究

由于SAR和可见光成象传感器图象的物理特征不同,因此进行匹配难度很大。本文在深入分析了这两种传感器图象物理特征的基础上,提出了一种图象匹配的新方法。该方法运用形态学滤波方法去除SAR图象斑点噪声,利用图象的边缘特征进行匹配,并采用多分辨率分级搜索技术减少计算量,在对实验结果进行分析的基础上提出了搜索真实匹配位置的原则,大大提高了匹配的准确率。通过实验对SAR图象斑点噪声滤波和SAR与可见光图象匹配算法进行了验证,实验证明本算法的SAR图象去噪效果明显优于传统的Frost方法,图象匹配精度高,稳定性好。     

基于CCD的多方向平行射束投影系统图像重建

高分辨率的空间敏感阵列以及实时、精确的图象重建算法是层析成象技术的关键。为了得到足够的投影数据,提出了几种用于光学层析成像的多方向平行射束投影结构,这几种结构均采用CCD器件作为敏感阵列,可得到高分辨率的被测物场投影信息。同时分析了这几种投影结构下图象重建中权重系数的计算方法,并对不同结构的图象重建效果进行了比较,得出了投影方向数、投影数据与重建图象质量之间的关系。仿真结果表明,采用CCD的平行射束投影系统可重建出很高质量的图象。     

联合估计混叠度，运动参数和高分辨率图像的JEMAP算法

本文提出一种空域联合估计混叠度，运动参数和高分辨率图像的JEMAP算法，以提高超分辨率处理的适应性，在地面上稳定地获得高于实测卫星图像中所用CCD设备成像精度的高清晰图像。算法根据星戡CCD设备的成像机理，定义卫星图像的混叠度，确定超分辨率处理模型，通过空域迭代联合估计混叠度，运动参数和高分辨率图像。实际卫星图像处理表明JEMAP算法具有很好的适应性和稳定性，包含先验约束能力较强，可以解开欠采样低分辨率输入图像的混叠，重构清晰卫星图像。     

中国图像工程：2001

该文是关于中国图象工程的年度文献综述系列之七。为了使国内广大人事图象工程研究和图象技术应用的科技人员能够较全面地了解国内图象工程研究和发展的现状，以及能方便地查询有关文献，现从2001年国内15种有关图象工程重要中文期刊的共108多期上发表的近2300篇学术研究和技术应用文献中，选取出400多篇属于图象工程领域的文献，然后根据各文献的主要内容将其分入5大类，又进一步分入了21小类，并进行了统计和分析。根据统计分析结果可见，中国图象工程在2001年又有了许多新进展，如对成象技术的进一步重视，及其在知识产权保护、多传感器图象融合、高层语义信息等相关方面均形成了新的研究热点，而且图象技术的应用面也在不断拓宽。     

一种基于CMAC的图象恢复算法

由于影响成象和导致图象退化的因素具有模糊性和不确定性,很难准确地建立图象退化过程的数学模型,因而建立退化过程的逆过程图象恢复十分困难,为了解决这一问题,提出了一种基于CMC的图象恢复算法,该方法利用CMAC神经网络的非线性映射和综合能力,通过对影响成象和导致图象退化的过程进行反向学习来恢复图象。仿真结果表明,用CMAC神经网络能很好地恢复出已退化的图象,并且神经网络模型与学习方法十分简单,便于实时图象恢复。     

基于分窗口相关的遥感图象配准方法

多源遥感数据的融合和综合应用必须实行严格的配准,若将通过选取控制点的传统方法,用于成象特性差异较大的图象间配准就存在较大的误差,为解决该问题,研究发展了一种基于分窗口相关的图象配准方法,即采用移动窗灰度相关的方法对图象上的每一点进行搜索,来寻找最大相关位置,以达到精确配准的目的。通过将该方法应用于不同时相的TM图象、SAR图象、不同成象方式和不同分辨率的AVIRIS图象和航片间配准的实验表明,该方法能够有效地实现复杂图象间的精确配准,配准误差已达到子象素级水平。     

基于图象的表面细节技术

主要讨论了几种基于图象的表面细节技术,这些技术可产生照生级的真实感绘制及惊人的视觉效果,并讨论它们在红外仿真成象中的应用。     

基于图像配准的POCS超分辨率图像重构

图像重构是数字图像处理的一个重要的分支，根据图像序列进行重构的高分辨率图像在多种应用邻域得以应用。该文简要介绍了图像成像原理以及降阶模型，并提出在图像配准的基础上，对图像序列采用POCS方法高分辨率重构，将图像校准算法和POCS方法有机地结合在一起，同时给出了其中详细的算法和实现过程。实验仿真结果表明该算法当图像间平移量小于10个象素、旋转角小于5时收敛，且运算量小，收敛速度快，具有很好的图像超分辨率重构能力。     

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.     

Single Sensor Compressive Light Field Video Camera

This paper presents a novel compressed sensing (CS) algorithm and camera design for light field video capture using a single sensor consumer camera module. Unlike microlens light field cameras which sacrifice spatial resolution to obtain angular information, our CS approach is designed for capturing light field videos with high angular, spatial, and temporal resolution. The compressive measurements required by CS are obtained using a random color-coded mask placed between the sensor and aperture planes. The convolution of the incoming light rays from different angles with the mask results in a single image on the sensor; hence, achieving a significant reduction on the required bandwidth for capturing light field videos. We propose to change the random pattern on the spectral mask between each consecutive frame in a video sequence and extracting spatio-angular-spectral-temporal 6D patches. Our CS reconstruction algorithm for light field videos recovers each frame while taking into account the neighboring frames to achieve significantly higher reconstruction quality with reduced temporal incoherencies, as compared with previous methods. Moreover, a thorough analysis of various sensing models for compressive light field video acquisition is conducted to highlight the advantages of our method. The results show a clear advantage of our method for monochrome sensors, as well as sensors with color filter arrays.     

基于混合POCS的视频图像超分辨率重建

提出混合凸集投影算法HPOCS对视频图像进行超分辨率重建,利用连续视频图像间的互异信息生成更高分辨率的视频图像.该算法首先采用图像匹配估计视频图像间的运动位移;然后进行基于的APEX盲解卷积,估计点扩散函数和理想视频图像;最后在凸集投影的理论框架下进行图像重建.实验表明,HPOCS重建后,视频图像的分辨率相对于原始图像、双线性内插图像和POCS重建图像明显提高,图像边缘更加清晰,细节信息更加突出.     

基于旋转螺旋屏的三维立体成像系统研究

针对前两代体三维(V3D)成像系统存在图像轮廓不够清晰问题,提出并实现了一种基于空间光调制器和双螺旋投影面的被动式旋转体扫描三维(RSV3D)成像系统。分析了系统的组成和工作原理,并详细讨论了组成系统的三大功能模块:成像空间、体素激活装置和V3D引擎的硬件与软件设计思想,并提出了多螺旋切片图形的重构算法和优化处理措施相结合的方案,以降低三维图像海量数据的传输和存储难题。实验结果显示:该系统可以产生高清晰度的空间三维图像,验证了该系统研制方案的可行性。     

多分辨率图像序列的超分辨率重建

针对不同焦距下拍摄的多分辨率尺度的图像序列,本文提出了一种基于尺度不变特征转换(Scale invariant feature transform, SIFT)和图像配准的超分辨率(Super resolution, SR)图像盲重建算法.首先提取图像SIFT特征点,然后用向量夹角余弦进行特征描述符向量的初匹配,并用随机抽样一致性 (Random sample consensus, RANSAC)算法消除误匹配提高配准精度.计算变换参数后,将低分辨率图像(Low-resolution, LR)像素点映射到高分辨率(How-resolution, HR)网格,最后利用像素可信度加权算法填充缺失像素值,重建更高分辨率的图像.实验表明, 本文算法能精确估计图像序列的缩放因子,可以有效处理仿射变换模型,对配准误差也具有一定的鲁棒性.算法从实质上提高了多分辨率尺度图像序列的分辨率,尤其在低分辨率帧数较少可用于重建的信息量严重不足时也能获得比较满意的重建效果.     

Wavelet-based image interpolation using multilayer perceptrons

Changing the resolution of digital images and video is needed image processing systems. In this paper, we present nonlinear interpolation schemes for still image resolution enhancement. The proposed neural network interpolation method is based on wavelet reconstruction. With the wavelet decomposition, the image signals can be divided into several time–frequency portions. In this work, the wavelet decomposition signal is used to train the neural networks. The pixels in the low-resolution image are used as the input signal of the neural network to estimate all the wavelet sub-images of the corresponding high-resolution image. The image of increased resolution is finally produced by the synthesis procedure of wavelet transform. In the simulation, the proposed method obtains much better performance than other traditional methods. Moreover, the easy implementation and high flexibility of the proposed algorithm also make it applicable to various other related problems.     

Parallel architecture for accelerating affine transform in high-speed imaging systems

Affine transform is widely used in the high speed image processing systems. This transform plays an important role in various high speed applications like Optical quadrature microscopy (OQM), image stabilisation in digital camera and image registration etc. In these applications, transformations of image consume most of the execution time. Hence, for high speed imaging systems, acceleration of Affine transform is very much sought for. In this paper, the pipelined architecture implementation of a proposed inherent parallel algorithm for Affine transform has been presented. The acceleration of the image transformation will help in reducing the processing time of high speed imaging systems. The architecture is mapped in Field programmable gate array (FPGA) and the result shows that the proposed algorithm is almost 4 times faster than the conventional algorithm while retaining the image quality. Using the proposed algorithm, an image of size 1,920 × 1,080 can be transformed with a frame rate of 540 frames per second and the multiplane image synthesis for image stabilisation on the same digital image can be performed with a frame rate of 65 fps.     

基于非局部自回归学习的医学图像超分辨重建方法

由于受放射剂量的影响及成像设备条件的限制,医学图像在成像过程中的分辨率不高,并在一定程度上影响后期临床诊疗的精度.针对此问题,文中提出基于非局部自回归学习的医学图像超分辨重建方法.利用医学图像数据固有的非局部相似性特点,将自回归模型引入到基于稀疏表示的医学图像超分辨重建模型中,同时利用聚类算法得到分类字典,提高实验效率.实验表明,文中方法提高医学图像分辨率方面的可行性,及在重建效率和性能方面的优势     

计算摄像学:核心、方法与应用

针对现有计算机视觉、图形学、信号处理、数字图像处理、应用光学等领域无法通过现有成像模型与装置及计算方法获取足够目标场景信息的难题,计算摄像学研究提出新的成像机制与对应的计算重构方法,在光信号观测领域另辟蹊径,创新性地将视觉信息处理与计算前移至成像过程,从而极大地提高了信息优化计算的自由度,能够在维度、尺度与分辨率上实现质的突破,从而观测到传统成像系统看不清与看不见的场景信息.本文沿着计算摄像学思路、方法与目标三条主线,对国内外研究现状进行分析与综述,期望能够帮助读者更快地了解及进入相关研究.