视频监控图像的超分辨率复原研究

超分辨率复原技术是一种可用于提高图像细节辨识能力的有效方法。其在视频监控领域可望得到广泛应用。超分辨率图像处理技术通过融合多帧相似的低分辨率图像达到提高图像细节的目的。从而降低对监控视频采集硬件与后端辅助处理系统的要求,提高对特定目标的辨析能力。本文重点介绍了在视频监控领域较为实用的凸集投影算法、最大后验概率估计算法、基于对象的超分辨率复原方法、基于示例学习与多类预测器的超分辨率复原方法。对以上超分辨率复原方法实现流程的优缺点与其在视频图像监控领域的应用方法进行了相应分析。分析了超分辨率视频监控图像复原常用的基于块匹配与光流的对象运动估计方法。对超分辨率复原重建图像质量的评估标准也进行了相应讨论。     

改进的稀疏表示图像超分辨率复原算法*

针对信号的稀疏分解特征,结合图像的超分辨率复原的特点,提出了基于稀疏表示的图像超分辨率复原算法,对两个过完备字典的训练过程、稀疏表示复原算法处理过程进行阐述,同时对改进算法中采用的优化的特征提取算法和自适应边缘方向插值优化低分辨率图像的初始估计两个过程进行详细描述,并通过MATLAB对其进行仿真和验证,实验结果表明,改进算法的复原效果进一步提高,图像细节能够得到恢复,获得更好的鲁棒性.     

一种改进的毫米波图像超分辨复原方法

针对无源毫米波图像分辨率低的问题,提出了一种基于对比度金字塔变换和改进非线性频谱外推方法的图像超分辨复原算法。该算法通过采用基于高频细节局部方差的高斯函数自适应调整频谱外推系数,并用其对对比度金字塔分解的高频细节进行频谱外推,同时采用Context模型去噪,最终重构出高分辨图像。通过该方法对无源毫米波图像进行超分辨复原,其结果表明新算法能有效增强图像的轮廓,提高图像的分辨率。     

改进的马尔科夫随机场的遥感图像超分辨率复原算法

针对原有使用马尔科夫随机场理论进行超分辨率图像复原,并结合遥感的图像特点,提出了将基于马尔科夫随机场的超分辨率算法应用在遥感的图像复原处理之中。在原有算法的基础上进行改进,为了减少字典存储的训练图像块之间的冗余,采用随机选取训练图像块的方法,同时,通过迭代反投影算法改善图像块之间的拼接痕迹。通过MATLAB仿真,证明改进后的算法与原始算法比较,有更好的复原结果,图像细节能够更好地复原。     

基于稀疏编码的红外显著区域超分重建算法

由于红外光学衍射限和红外探测器的局限,得到的红外图像噪声相对偏大,分辨率偏低。对红外图像进行超分辨率重建可以提高图像分辨率,但同时又会增强背景噪声。针对此问题,提出了基于稀疏编码的红外显著区域超分重建算法,将超分重建和显著度检测相结合,可以提高目标分辨率并降低背景噪声。首先采用双层卷积提取图像特征,并自适应选择图像信息熵较大的图像块用于训练联合字典。然后利用稀疏特征计算显著度获取显著区域,再将显著区域用训练好的字典进行超分辨重建,与目标无关的背景区域采用高斯滤波。实验结果显示改进的重建算法在同等条件下重建效果优于重建模型ScSR和SRCNN,图像信噪比提高3～4倍。     

红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点。本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法。该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪。测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪。检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值。     

改进的混合MAP-POCS超分辨率图像复原算法研究

超分辨率图像复原技术在不改变硬件的条件下可提高成像系统获取图像的分辨率。研究了图像退化机理,建立了精确的图像退化过程模型,提出一种改进的混合MAP-POCS复原算法,将POCS的凸集约束条件加入到MAP估计过程中。运用峰值信噪比(PSNR)等评价手段对复原图像进行质量评价。仿真结果表明,改进的混合复原算法能够有效地保证复原求解的收敛性并保持复原图像的边缘细节,提升了超分辨率的复原效果。     

基于多分辨率塔式结构的幻觉脸技术的研究

提出的基于多分辨率塔式结构的幻觉脸算法,使用改进的图像金字塔建立标准人脸训练库作为学习模型,能在多尺度、多分辨率上训练出更有效的先验知识.然后在匹配复原过程中引入一种新思路,先结合塔状父结构搜索出拉普拉斯金字塔中最匹配的4个高频细节,再将这4个高频细节进行加权平均后的结果作为丢失的人脸图像的高频细节,最终复原出超分辨率人脸图像.实验结果表明,该算法对64×64大小的低分辨率人脸图像增强16倍,复原出的256×256大小的超分辨率人脸图像更加平滑,减小了一定的噪声干扰.     

使用改进的POCS算法的超分辨率图像复原

超分辨率复原技术的基本思想就是采用信号处理的方法,在改善图像质量的同时,重建成像系统截至频率外的信息。POCS（凸集投影）算法是一种广泛应用于图像超分辨率复原的方法。针对传统的POCS算法的边缘振荡效应,在分析其产生的原因．造成的影响的基础上,采用改进的POCS算法,以减少边缘振荡。采用基于小波变换模极大值的改进POCS算法进行图像超分辨率复原。实验结果表明,该方法有效的较少了复原图像的边缘振荡效应,是一种有效的图像超分辨率复原方法。     

动态金字塔模型的红外图像SR重建

无人机在复杂飞行过程中,因大气气流及光学设备成像等影响造成采集到的红外图像分辨率过低;另外,因各帧图像分辨率不同,基于固定层数分解的金字塔模型在同一区域下的显著图提取结果存在差异,无法借助视觉技术实现无人机目标定位及自主导航。提出一种改进Itti模型下的红外图像感兴趣区域提取及SR重建算法。算法首先引入多特征对红外图像序列进行金字塔动态分层模型构建;然后,针对不同分辨率下的多帧红外图像进行感兴趣区域的动态提取来克服传统Itti算法的不足;最后,提出基于共轭梯度法的目标函数最小化红外图像超分辨率重建算法,对感兴趣区域进行空间SR重建,提高感兴趣区域目标的空间分辨率。实验验证了提出算法的有效性及准确性。     

基于迁移学习的红外图像超分辨率方法研究

针对红外图像空间分辨率低、成像质量不高的问题,提出了基于迁移学习的红外图像超分辨率方法。该方法以基于卷积神经网络的自然图像超分辨率方法为基础进行改进:增加网络的层数进行更深层次的学习训练,串联多层小的卷积核使其能够利用更多的图像信息,以“相差图”为目标进行训练,减小网络训练时间,提升网络收敛速度;利用迁移学习知识,再以少量高质量红外图像为目标样本,对自然图像超分辨率的网络进行二次训练,将网络权重经过微调后迁移应用到红外图像的超分辨率上。实验结果表明:基于卷积神经网络的超分辨率方法能够有效迁移应用到红外图像的超分辨率上,且改进后的网络具有更好的自然及红外图像的超分辨率性能,验证了本文所提方法的有效性及优越性。     

基于目标红外特征与SIFT特征相结合的目标识别算法

为了解决传统的SIFT算法存在检测时间长,识别率低等问题,提出了一种基于目标红外特征与SIFT特征相结合的红外图像识别算法,该算法首先通过5个能反映红外目标初步信息且易实现的红外特征量进行初步识别,然后采用SIFT算法进行精确识别。通过三种飞机的红外图实验可以看出,将红外特征量与SIFT特征检测识别方法相结合,识别时间缩短0.06s,识别率有较大提高,达到98%以上。     

密集残差网络红外图像超分辨率重构

单幅红外图像超分辨率重构算法作为红外图像分辨率提升应用的关键技术,近年来得到了广泛的研究。为了提高红外图像的分辨力,提出了一种基于残差密集对抗式生成网络的单幅红外图像分辨力提升方法。与以往基于对抗式生成网络的分辨力提升方法不同,本文方法的新颖性主要包含两个方面。首先,在网络架构方面进行改进,以提高性能。设计密集残差网络作为对抗式生成网络的生成网络,充分利用了低分辨率图像的有效特征。在生成网络中引入了一种连续内存机制,以利用密集的剩余块。其次,将Wasserstein-GAN作为损失函数,对判别网络模型进行修正,以达到稳定训练的目的。利用红外高分辨率图像数据集进行了大量的实验,结果表明,该方法在客观评价和主观评价方面均优于目前最新的方法。     

基于Poisson-Markov场的超分辨力图像复原算法

图像的超分辨力复原和信噪比的提高是图像复原追求的目标.Poisson-ML图像复原方法(PML)具有很强的超分辨力复原能力,但在复原过程中会产生振荡条纹且对带噪较大的图像不能取得理想的复原效果.在Poisson和Markov分布假设的基础上,提出基于Poisson-Markov场的超分辨力图像复原算法及其正则化参数的自适应选择方法(MPML).实验表明,MPML算法不但具有很好的超分辨力复原能力,而且能有效减少和去除复原图像中的振荡条纹,对于带噪较大的图像也能取得理想的复原效果,因此其图像复原质量明显好于PML算法.正则化参数能被自动优化地选择且与图像复原的迭代运算同步进行.     

场景自适应的红外焦平面成像系统灰度超分辨技术

针对目前红外焦平面成像系统在观察目标、特别是弱小目标时,灰度分辨率不足的问题,提出了一种基于场景特性自适应的成像灰度超分辨技术。详细介绍了通过自适应调节红外焦平面成像系统中信号采样范围来进行成像灰度超分辨的方法,包括3个方面的内容:从图像中提取场景有效灰度范围,获取超分辨调整依据;结合基于LMS的自适应滤波算法,对调节依据进行滤波预测后给出调节值;利用调节值分解设置超分辨电路参数,完成针对观察目标的灰度超分辨。最后,对整体方案进行了实验验证。通过在红外焦平面系统中实验证明了场景自适应的成像灰度超分辨方法的可行性,并获得了很好的效果,灰度分辨率有很大提高,经过红外焦平面成像系统综合测试仪测试比较MRTD 值可以提高一倍以上。     

基于MPMAP序列红外图像高分辨力重建和非均匀性校正

红外焦平面阵列(IRFPA)的非均匀性校正是获得高性能热成像的基本保证,非均匀性校正(NUC)算法是当前国内外研究的重要方向.鉴于序列图像的超分辨力复原方法和基于场景的NUC算法都需要存在微位移的多帧序列目标场景图像,本文在Poisson和Markov分布假设的基础上,将超分辨力复原与NUC结合,针对存在非均匀性的红外...     

宽波束高频雷达的超分辨率时-空级联处理

针对在宽波束高频雷达目标探测中传统傅立叶变换频谱分析方法多普勒分辨率较低的问题,提出了一种全超分辨率的时-空域级联信号处理方法.首先利用多重信号分类(MUSIC)算法获得频域超分辨率谱估计,构造出相应于各信号频率的信号子空间,将原始信号向各子空间进行投影变换以获得相应于各信号频率的阵列快拍,然后利用其进行空域超分辨率谱估计,获得相应的到达角.利用该方法能有效地采用短相干积累时间进行多目标的频率-到达角参数估计,从而有效地提高了宽波束高频雷达的目标探测和跟踪性能.数值仿真实验验证了该方法的有效性.     

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

采用分裂Bregman的空间邻近目标红外超分辨算法

利用红外成像系统跟踪空间邻近目标时,目标在红外像平面的成像相互交叠形成簇状像斑,导致跟踪系统无法有效分辨这些目标。基于稀疏重构的超分辨方法是一种将稀疏重构技术应用于处理邻近空间目标分辨的单帧超分辨方法,能够有效估计目标个数和位置等参数。针对二阶锥规划方法求解基于稀疏重构的超分辨模型计算复杂度大、效率低的问题,提出采用分裂Bregman方法求解该超分辨模型,先通过引入辅助变量将原问题转化为一系列易于求解的子优化问题,然后利用交替最小化方法求解每个子问题,最后分析正则化参数的合理设置,从而实现对超分辨模型的最优化求解。仿真实验结果表明,所提方法能够有效求解基于稀疏重构的超分辨模型,在保证分辨像斑中目标个数和位置参数的前提下,计算耗时缩短了8%,有效提高了求解效率,便于工程实现。     

采用信息融合的红外目标检测算法

针对空中红外目标检测过程中存在的检测精度不高、易受干扰等问题,本文提出了一种信息融合的目标检测算法。首先,针对单一滤波模式的不足,采用降采样方式将多种模式的滤波方法进行融合,有效提高了滤波后的图像信噪比,减少了预处理时间。然后,对质心检测选定的检测区域进行显著性检测和边缘检测,并将结果进行融合,增强了目标区域的信号强度,改善了算法的检测精度。文中从理论上介绍和分析了该算法对红外目标检测的有效性,并通过Matlab仿真实验与其他单一检测算法进行了对比。实验结果表明,信息融合的检测算法能够在多种复杂情况下有效检测出空中红外目标,证明融合检测算法的抗干扰性和适应性上更强、检测精度更高、算法的鲁棒性更好。