联合运动估计和帧选择的多帧超分辨率重建算法

多帧图像超分辨率重建中,连续各帧图像间的精确匹配和帧的选择具有非常重要的意义。提出了自适应帧选择原则,设计了联合光子流运动估计配准和超分辨率重建的方法。首先采用光子流运动估计算法计算各帧间的运动估计,设计一种自适应帧选择方法丢弃一些帧间运动较大的帧,再通过亚像素图像配准,计算得到相对精确的运动估计参数,最后结合最大后延概率方法进行图像超分辨率计算,并充分考虑两次迭代所得图像向量的差值对下次迭代算法的影响。实验结果表明,该方法不仅可以实现亚像素级的精确配准,还可以使重建后图像在视觉效果和峰值信噪比上都得到更好的效果。     

基于块匹配和迭代反投影的车牌图像超分辨率重建

利用超分辨率重建技术提高车牌图像的质量,以获取更好的识别效果。首先采用基于小波变换的块匹配方法对车牌图像进行配准,然后利用迭代反投影算法对配准后的图像进行重建获得高分辨率的图像。对模拟生成的多帧图像和标准测试视频序列进行了实验,实验结果表明：该算法能有效提高车牌图像的质量。     

基于时空特征和神经网络的视频超分辨率算法

提出了一种基于时空特征和神经网络的视频超分辨率重建算法,实现了视频视觉分辨率质量和细节清晰度的提升. 该算法综合考虑了外部图像块之间的关联映射关系和内部图像块间的相似性,利用深度卷积神经网络学习得到的拟合系数快速地重建视频细节. 采用时空非局部特征相似性优化重建结果,将相邻视频帧间的非局部互补冗余信息融入学习视频帧结果中,解决了误匹配等问题,进一步提升了超分辨率性能. 实验结果表明,所提方法在客观评价指标和主观视觉效果上均取得了较好的重建效果.     

基于带有权值混合泛函的盲超分辨率

为了克服传统的超分辨率算法的限制(如不能处理带有局部运动图像,因此不适合一般的视频序列;模糊算子被认为是提前知道并且对于每一低分辨率帧都是不变的;超分辨率噪声不是采用高斯分布就是采用拉普拉斯分布的),同时考虑到噪声模型,提出了一个广义的局部权值自适应地混合L1和L2泛函的代价函数。权值会根据配准误差和噪声分布自适应地改变并且惩罚图像中配准错误的部分。本文算法对奇异值具有很强的鲁棒性,同时超分辨率图像和模糊算子可以联合估计出来。主观评价和客观评价同时表明了本文算法的有效性。     

大视场视频全景图生成研究

针对采用传统方法生成的视频全景图存在拼接裂缝和“鬼影”现象的问题，提出了一种新的大视场视频全景图生成算法．该算法基于快速傅立叶变换的图像配准算法，求取两相邻视频帧之间的配准系数，采用改进的线性系统法对配准系数进行全局优化．对存在运动物体的视频图像，采用启发式最优路径搜索算法寻找到图像间拼接的最佳缝合线，并使用多分辨率原理进行图像拼接后的平滑处理.实验结果表明，该算法优化了图像间的配准系数，平滑处理了拼接后的图像，减少了人工性缺陷，提高了视频全景图的真实感.     

基于简化仿射变换模型的图像配准方法

在超分辨率图像重构中,将来自不同传感器、不同时间获取的多帧图像高精度快速配准是其关键技术之一。在介绍图像配准基本方法的基础上,根据仿射变换原理,提出了基于简化的仿射变换模型的图像配准方法;通过采用 APS(ac tive pixel sensor) CMOS相机作为图像传感器,建立试验原型系统,验证了此方法的正确性;进行了结果分析,明确了配准精度。试验表明:该算法简单、速度快、精度较高,能够应用于超分辨率图像重构的配准中。     

基于多尺度局部自相似性和邻域嵌入的超分辨率算法研究

多尺度局部自相似性是指同一幅图像中存在相同尺度或不同尺度的相似子块,这种图像局部结构自相似性广泛存在于自然图像中。提出了一种基于多尺度局部自相似性结合邻域嵌入的单幅图像超分辨率算法,该算法不依赖于外界图像,仅仅在原始图像的局部子窗口中搜索目标图像块的相似子块,并结合邻域嵌入算法,进一步提高参与重建的图像块与目标图像块的相似性程度。实验结果表明,与双三次插值与传统邻域嵌入算法相比,新算法在保证算法效率的前提下,能有效提升超分辨图像的重建质量。     

面向深度相机位姿优化的帧间点云数据配准算法

TOF相机能够同时采集灰度图像和深度图像从而优化相机位姿的估计值. 应用图结构调整框架优化多帧数据采集时的相机位姿,采用帧间配准决定优化的精度和效率. 从2帧图像上提取并匹配尺度不变特征点对,二维特征点被扩展到三维空间后,利用与特征点的空间位置关系将2帧三维点云配准;逐步应用提出的算法配准参与位姿优化的多帧点云中的任意2帧点云;最后将有效配准的点云帧对作为输入数据,采用图结构算法优化位姿. 实验结果表明,提出的帧间配准算法使得位姿估计值精度显著提高,同时保证了估计效率.     

一种基于阵列相机的超分辨率重建方法

本文利用阵列相机获取的多幅低分辨率图像合成一幅去噪高分辨率图像,提出一种基于阵列相机的超分辨重建去噪方法.首先,对阵列相机获取图像进行基于卷积神经网络的单幅低分辨率图像的超分辨率重建.其次采用SURF分块匹配方法实现多幅高分辨率图像的配准.最后对配准图像进行基于逐像素多尺度融合的多幅高分辨率图像融合.利用ISO12233分辨率卡进行对比测试,以证明本文方法具有更高图像解析度并减小噪声影响.     

基于控制核回归的多帧图像超分辨率重建

针对多帧图像超分辨率重建问题,本文提出了一种基于控制核回归的重建方法.该方法先对低分辨率图像序列进行亚像素配准,再利用控制核回归进行非均匀插值得到高分辨率图像的初始估计,然后通过迭代控制核回归进行进一步的鲁棒估计,最后经过全变差正则化图像复原得到高分辨率重建图像.本文针对模拟图像序列及真实视频图像序列进行了对比实验,结果表明本文方法不但可以较好地保持图像中的细节信息,而且有较好的去噪能力,能够有效地提高图像重建质量.     

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.     

基于多频带信息融合的小电流故障选线方法

经分析小电流接地系统单相接地时的故障特征,指出了适合暂态分量选线的高频频带,同时利用在时频空间具有良好聚焦特性的小波包,提出了一种利用多尺度小波包分解的多频带信息融合的选线方法。单一尺度的固定频带信息所形成的选线判据容错能力较低,无法保证选线的准确度和灵敏度,而利用多个频带故障信息,及其对应的小波分解系数所构造的选线判据,则可有效提高选线的鲁棒性。仿真结果表明,该方法可有效实现小电流系统的故障选线,较常规系统具有更高的可靠性和准确性。     

基于自适应预选的快速帧间模式选择算法

针对率失真性能和算法复杂度约束,提出基于偏移量自适应模式预选的高效帧间模式选择算法.计算所有可能模式率失真优化关闭判据下的编码代价,对代价进行自适应偏移量调整.基于调整后的代价进行模式预选,选择几种性能可能较优的候选模式,对这些模式进行率失真优化模式选择.由于该算法采用统计分析建模方法,自适应地确定偏移量参数,显著提高了模式预选准确率,较好地平衡了复杂度和算法性能.针对典型视频测试序列进行算法验证.实验表明,与完全率失真优化模式选择算法相比,该算法的复杂度大大降低,视频质量仅存在轻微退化.     

视频图像超分辨率应用系统设计与实现

本文设计实现了一个视频图像超分辨率应用系统。文章描述了超分辨率实验平台的设计,包括系统结构、图像与视频内容、主要算法模块设计,介绍了开发该系统平台、开发该平台所使用到的关键技术,显示使用本系统处理后的图像。     

基于Inception-V3网络的双阶段数字视频篡改检测算法

为了克服现有数字视频取证算法识别准确率低、定位能力差等缺点，提出一种具有高识别率且定位准确的基于Inception-V3网络的二级分类取证算法.在第一级分类器中提出简单的阈值判断方法来区分原始和篡改视频，第二级分类器将采用Inception-V3网络的稠密卷积核结构来自动提取篡改视频帧的高维多尺度特征.高维多尺度特征有助于提升篡改视频帧的识别率.实验结果表明，本文提出的算法不仅能准确地检测出篡改视频，还能从篡改视频中精确定位出篡改帧.     

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。