一种改进的视频序列超分辨率重建算法及应用

在凸集优化基础上,充分利用最大后验概率和凸集投影技术,提出了一种高效强鲁棒性视频序列分辨率提升算法.首先,在空域设计一个简单的预处理共轭梯度估计器,预测原始高分辨率图像;然后,在小波域分别创建帧间和帧内两个不同的凸集,并实施不同的投影运算,提取出隐含在相邻低分辨率图像中的细节信息;最后,利用空域估计器中相邻因子间的关系...     

一种用于视频超分辨率重建的块匹配图像配准方法

图像配准是超分辨率重建中的一个关键问题, 直接影响超分辨率重建图像的质量. 本文在自适应十字搜索(Adaptive rood pattern search, ARPS)块匹配算法的基础上, 根据小波域中各图像之间的相关性, 提出一种分层块匹配算法---基于小波变换的改进的自适应十字模式搜索算法(Improved adaptive rood pattern search algorithm based on wavelet transform, W-IARPS), 该方法在小波变换域完成匹配宏块的搜索, 有效地减少了匹配点的搜索个数, 且配准图像的峰值信噪比相比全搜索算法下降不到0.l dB, 保持了较高的配准精度. 最后采用凸集投影(Projections onto convex sets, POCS)算法对配准后的图像进行超分辨率重建, 取得了较好的视觉效果. 实验结果表明, 该方法具有较高的配准精度和重建效果, 算法稳健可靠.     

压缩视频的正则化投影超分辨率重建

压缩视频超分辨率（SR）技术利用压缩后的低分辨率（LR）图像序列来重建高分辨率（HR）图像的技术,是当前视频超分辨率技术研究的热点。在正则化理论和凸集投影理论的基础上,利用比特流中的量化信息,提出了一种正则化投影超分辨率重建算法;通过正则化代价函数引入图像序列的时间域和空间域的先验信息,使用迭代梯度下降算法对正则化代价函数求解得到重建图像,最后利用凸集投影算法对求得的估计图像进行DCT域投影重建。仿真实验结果表明,该自适应算法较传统算法,其重建图像的主、客观质量有一定的提高,适合压缩图像的应用。     

改进的序列图像超分辨率重建方法

为解决局部运动的视频序列在超分辨率重建过程中,由于采用传统的图像间全图一致变换模型可能导致的运动估计误差增大,影响重建效果的问题,提出了基于三角网不规则分块运动估计思想和基于DTN-POCS的重建算法.从边缘点中提取特征点,利用配准获得的同名点集,在主/从图像对间构建同名不规则三角网,并以此分割图像,默认每个三角块中像素运动一致.在此基础上,把所有低分辨率帧分块投影到高分辨率坐标,以凸集投影(POCS)迭代优化.试验结果表明:重建的高分辨率图对图像中的局部运动鲁棒性更强,能有效改善重建精度.     

压缩视频超分辨率重构的一种新算法

针对传统重构算法不能很好地解决压缩视频的超分辨率图像重构的问题，文中提出了一种基于凸集投影（POCS）理论的压缩视频超分辨率重构算法。整个算法是在严格数学推理基础上形成的，具有较强的逻辑性和严密性。实验结果也表明，该算法不仅在峰值信噪比（PSNR）值和重构效果对压缩视频有较大提高和明显改善，而且易于扩展，具有广泛的应用范围。     

基于改进量化约束集的压缩视频超分辨率重建算法

摘要：超分辨率技术是使用低分辨率图像序列来重建高分辨率图像的技术。在压缩视频的超分辨率重建中,量化约束集(QCS)作为编码模型的先验信息被广泛采用。根据窄量化约束集(NQCS)理论,利用量化误差的统计特性,提出了一种改进量化约束集(AQCS)。根据DCT变换后块边界特性,提出了平滑约束集。实验结果表明,提出的基于改进量化约束集的压缩视频超分辨率重建算法较传统的量化约束集,在峰值信噪比(PSNR)和主观图像质量上有不同程度的提高。     

无人机侦察视频超分辨率重建方法

目的 无人机摄像资料的分辨率直接影响目标识别与信息获取,所以摄像分辨率的提高具有重大意义。为了改善无人机侦察视频质量,针对目前无人机摄像、照相数据的特点,提出一种无人机侦察视频超分辨率重建方法。方法 首先提出基于AGAST-Difference与Fast Retina Keypoint (FREAK)的特征匹配算法对视频目标帧与相邻帧之间配准,然后提出匹配区域搜索方法找到目标帧与航片的对应关系,利用航片对视频帧进行高频补偿,最后采用凸集投影方法对补偿后视频帧进行迭代优化。结果 基于AGAST-Difference与FREAK的特征匹配算法在尺度、旋转、视点等变化及运行速度上存在很大优势,匹配区域搜索方法使无人机视频的高频补偿连续性更好,凸集投影迭代优化提高了重建的边缘保持能力,与一种简单有效的视频序列超分辨率复原算法相比,本文算法重建质量提高约4 dB,运行速度提高约5倍。结论 提出了一种针对无人机的视频超分辨率重建方法,分析了无人机视频超分辨率问题的核心所在,并且提出基于AGAST-Difference与FREAK的特征匹配算法与匹配区域搜索方法来解决图像配准与高频补偿问题。实验结果表明,本文算法强化了重建图像的一致性与保真度,特别是对图像边缘细节部分等效果极为明显,且处理速度更快。     

压缩视频超分辨率重构的一种新算法

针对传统重构算法不能很好地解决压缩视频的超分辨率图像重构的问题,文中提出了一种基于凸集投影(POCS)理论的压缩视频超分辨率重构算法.整个算法是在严格数学推理基础上形成的,具有较强的逻辑性和严密性.实验结果也表明,该算法不仅在峰值信噪比(PSNR)值和重构效果对压缩视频有较大提高和明显改善,而且易于扩展,具有广泛的应用范围.     

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POCS框架的时空联合自适应视频超分辨率重建算法*

针对传统POCS( projection onto convex sets)算法的局限性,提出了一种基于POCS框架的时空联合自适应视频超分辨率重建算法.通过引入时空联合自适应机制,算法有效地减缓了错误运动估计信息对重建图像质量的影响,克服了传统POCS算法对目标运动剧烈的视频序列重建时存在的噪声放大效应.实验结果表明...     

传统图像超分辨率重建的改进方法

本文利用OpenCV开源库,通过对一般图像处理算法(滤波、上采样、插值等)的整合改进图像超分辨率重建效果,以均方根误差作为模型评估标准。改进后的图像均方根误差小于插值法和上采样法,重建后的图像效果比传统算法更加准确。     

基于超分辨率重建的低质量视频人脸识别方法

随着深度神经网络的兴起,人脸识别技术得到了飞速发展.但在光照条件差、低分辨率等情况下的低质量视频S2V(Still to Video)人脸识别由于存在低质量测试视频与样本库高清图像的异质匹配问题,仍然没有达到预期的效果.针对这个问题,提出一种基于超分辨率重建的低质量视频人脸识别方法.首先根据人脸姿态对低质量视频帧采用聚类算法和随机算法选取关键帧,然后建立一个面向低质量视频S2 V人脸识别的超分辨率重建模型S2 V-SR,对关键帧进行超分辨率重建,从而获得高分辨率且更多身份特征的超分辨率关键帧,最后使用视频人脸识别网络提取深度特征进行分类投票,得到最终的人脸识别结果.所提方法在COX视频人脸数据集上进行实验测试,在相对较高质量的cam1和cam3视频中获得了最好的识别准确率,即55.91％和70.85％,而在相对较低质量的cam2视频中获得了仅次于最好方法的识别准确率.实验结果证明,所提方法能够在一定程度上解决S2 V人脸识别中异质匹配的问题,并且能够获得较高的识别准确性和稳定性.     

一种保边缘影像超分辨率重建方法

提出了一种基于方向性平滑测度的保边缘加权马尔可夫先验模型,并将其应用到基于最大后验估计的影像超分辨率重建中.该模型对邻域内不同方向的平滑测度使用不同的权值,以此减小对影像高频成分的惩罚约束,进而保护影像的边缘.利用不同影像对本文方法进行了验证,并用MSE影像评价方法对重建影像进行了定量评价.实验结果表明,与传统马尔可夫先验模型相比,加权马尔可夫先验模型能有效保护影像的边缘,取得更好的重建结果.     

改进的多光谱遥感影像超分辨率重构算法

针对现有遥感影像重构算法数据资源有限、配准精度低等问题,结合遥感影像的光谱特征,提出一种改进的多光谱遥感影像超分辨率重构算法。提取场景结构特征作为重构的正则化约束条件,保持重构结果中的高频信息。利用波段间的交叉相关,获得场景的结构特征信息。通过迭代反投影算法对单波段影像进行重构,将其合成为全色高分辨率遥感影像。仿真实验结果表明,该算法的重构效果较优。     

基于视频流体模型的图像超分辨率重建

为解决监控视频分辨率不足的问题,在视频流体模型的基础上,提出一种图像超分辨率重建方法。视频流体模型记录了视频对象的整体区域,及区域内各像素的时域对应关系,利用流体区域在不同时刻的像素值进行滤波和拼接,达到去噪、扩展分辨率的目的,基于等色线构建视频流体模型,使用视频流体模型实现去噪,以起始帧作为参考图像,并依次在各帧中选择补入流纹,根据补入流纹的相邻流纹计算补入流纹在初始帧的位置,如果所得位置非整数,对参考图像插值拉伸,采用补入流纹中的值代替相关坐标的像素值。实验结果表明,将添加噪声的CIF格式视频重建到2CIF格式,该方法的重建结果比最大后验估计与投影方法、梯度投影等方法的峰值信噪比提高1 dB~4 dB。     

基于多帧视频序列的盲超分辨率影像重建

提出了一种基于多帧序列的盲超分辨率算法和实现框架以解决影像分辨率较低问题.该算法首先对获得的视频序列低分辨率影像进行预处理.然后估计各帧间的相对运动,最后在不知道监控系统的降质模型及相关参数的情况下,逐步投影迭代来重建高分辨率影像.运用该算法对实际监控影像进行了重建实验,通过主观感受和多种客观评价指标多角度对算法进行了...     

基于改进上采样技术的图像超分辨率重建

图像超分辨率重建技术一直是计算机视觉领域的热门研究方向. 为了提高重建后图像的质量, 本文提出一种基于内容感知的上采样技术用于图像的重建. 将稠密残差网络作为骨干网络, 用基于内容感知上采样取代传统的亚像素卷积上采样技术, 即在特征重建阶段, 卷积核不会在整个特征图中共享参数, 而是神经网络可以根据特征图的内容在每个像...     

一种基于正则化技术的超分辨影像重建方法

超分辨率影像重建已经成为近年来人们广泛研究的热点，利用超分辨率重建技术，可以得到分辨率高于原始影像的重建影像。为此，提出了一个利用多幅具有亚像素位移的低分辨率欠采样影像重建一幅高分辨影像的超分辨率重建方法。该方法利用正则化技术，通过迭代运算解求重建影像的最优解。在迭代过程中，得到的重建影像用于求解下一次迭代的正则化参数，不断的循环迭代，最后求解出重建影像的最优解。对Lena影像进行了处理，并用PSNR影像评价方法对重建影像进行了定量评价。实验结果证明，该方法能较大限度地减弱噪声对重建结果的影响，当重建比率较大时，仍可得到高质量的高分辨率重建影像。     

基于边缘检测的超分辨率重构方法

采用凸集投影法重构的高分辨率图像中常出现边缘质量下降的现象。针对该问题,提出一种超分辨率重构方法,引入傅里叶变换配准方法解决图像获取过程中的位移偏差,通过Laplace算子进行边缘检测以消除边缘震荡。实验结果证明,采用基于边缘检测的超分辨率重构方法能获取质量较高的图像。