一种视频序列的超分辨率重建算法

本文构建了一种视频序列超分辨率重建框架.在此框架下,讨论了基于最小二乘规整化泛函的单帧图像的超分辨率重建算法及其收敛性、凸性和参数选择等;还提出了基于加权矩阵的运动配准融合,并研究了运动补偿阵和加权阵的构成和特点.仿真结果表明方法的有效性和实用性.     

基于Neumann边界条件的图像局部复原

图像复原是图像处理中的一个重要课题。人们通常将其当作全局问题来处理,这可能会导致非常庞大而不可行的l2问题。为了克服这个困难,本文提出一种新的局部图像复原算法;将大的降晰图像分成若干子图像块,分别对各块进行复原。该算法用经典的Tikhonov正则化方法求解病态反问题。为了抑制分块导致的边界噪声,算法引入Neumann边界条件和块部分重叠的思想。实验结果表明,该算法有效地降低了图像处理的复杂度,而且与全局算法相比,两者复原图像的质量很接近。     

一种改进的边缘方向插值算法

已有的边缘方向插值算法利用高低分辨率图像局部方差之间存在的对偶性实现自适应非线性插值。其性能明显优于传统线性插值算法，但图像边缘噪声可能仍然比较明显。为了获得更好的视觉效果。提出了一种改进算法。充分利用局部降采样像素之间的相关信息，用和被插点相邻的6个降采样像素估计高分辨率图像的局部协方差。该算法应用于灰度和彩色图像的分辨率增强，不仅降低了运算复杂度，而且有效地抑制了边缘噪声，进一步提高了插值图像的视觉质量。     

多帧超分辨率重建中的图像插值

为了实现多帧超分辨率重建,必须从图像序列中提取子像素信息,因此要求图像的配准精确到子像素级。本文提出了一种超分辨率重建中运动矩阵的构造方法。为了提高矩阵的构造精度,该方法引入图像插值,用性能好但计算量较小的三次插值算子实现插值运算,并比较了三种常用插值核的性能。实验结果表明,选择适当的插值函数不仅不会明显增加计算量,而且可以显著提高矩阵的构造精度,从而大大提高多帧超分辨率重建图像的质量。     

多维信号的微局部奇异方向检测

多维信号的奇异性方向检测在许多领域都有重要的应用。在微局部分析的意义下,可以将图像的边缘和奇异性方向看作波前集。该文从工程角度对此给出一个比较直观的解释,并且基于此提出了一个自动检测多重奇异性方向的算法,可用于图像分析和多维信号检测等多个领域。