基于刃边法的序列图像盲超分辨率重建算法

为了减少点扩展函数（PSF）估计误差对盲超分辨率重建结果的影响,本文提出了一种新的序列图像盲超分辨率重建算法。首先采用刃边法实现对成像系统点扩展函数的准确估计,然后将估计的点扩展函数引入迭代反投影超分辨率重建算法中,进行高分辨率图像的重建。实验结果表明,本文算法运算时间较短,不受限于低分辨率图像的模糊程度,重建结果不但具有较高的峰值信噪比（PSNR）和结构相似度（SSIM）,而且真实分辨率的提升幅度更大。     

基于稀疏表示的遥感图像超分辨率重建

根据稀疏定理,首先对遥感图像数据进行训练,得到高分辨率图像块字典与低分辨率图像块字典,然后利用低分辨率图像块字典求出稀疏表示系数,最后根据稀疏表示系数得到超分辨率重建图像.结果可以看出,经过改进后,重建图像的客观评价指标更优.     

车牌识别系统中的超分辨率图像重建技术研究

针对车牌识别系统中图像模糊和分辨率低而影响车牌识别效果的问题,提出利用超分辨率重建来提高车牌图像分辨率的解决方法.建立了凸集投影(POCS)算法的数学模型,研究了凸集投影超分辨率重建的实现过程,并用仿真实验进行了验证.实验结果表明:采用凸集投影算法进行图像重建,可以提高车牌图像分辨率,丰富图像细节信息,能够有效提高车牌识别的准确率,并且迭代次数越多,图像重建效果越好.     

下采样迭代和超分辨率重建的图像风格迁移

提出一种基于下采样迭代和超分辨率重建的图像风格转移算法,即在输入端对输入图像进行下采样,以加速整个图像风格迁移网络的迭代速度,在输出端进行超分辨率的重建,最终输出高分辨率的图像。实验结果表明,该方法减少了整个网络的迭代时间,输出的超分辨率图像也有较好效果。     

基于双路径残差网络的虹膜图像超分辨率重建

低分辨率虹膜图像所含有效信息较少,实际应用到虹膜识别中会影响识别精度,而图像超分辨率重建技术能够有效解决这一问题。针对虹膜图像的结构和纹理差异,提出了适用于虹膜图像超分辨率的双路径网络结构,设计了双支路残差密集块提取深层虹膜特征,并采用后置放大策略重建图像。针对CASIA-IrisV4虹膜图像库进行了实验,并与主流重建算法进行了比较,发现重建的图像结构清晰,纹理细节丰富。虹膜匹配实验结果表明,该算法的等错误率均为最优,重建图像具有良好的识别效果。     

基于多分辨率学习卷积神经网络的磁共振图像超分辨率重建

高分辨率磁共振图像对于医学诊断具有重要意义,本文提出一种多分辨率学习卷积神经网络,并应用于磁共振图像超分辨率。网络是一种新型深度残差网络,包含用于特征提取的残差单元、多分辨率上采样的反卷积层以及多分辨率学习层。设计的网络在低分辨率图像空间中实现图像超分辨率,采用多分辨率上采样实现多个残差单元信息融合并加速网络,多分辨率学习能够自适应地确定各分辨率上采样的高维特征图对磁共振图像超分辨重建的贡献度。实验表明,论文提出的方法能够很好地超分辨率重建磁共振图像,优于最新的深度学习方法。     

一种有效的超分辨率图像序列重建算法

针对降质图像序列的超分辨率重建研究,分析了超分辨率重建问题中图像序列的降质过程和重建过程的不适定问题,并提出了用最小二乘法和自适应正则化结合分布迭代的方法对图像序列进行重建.实验结果表明,该方法可以有效重建出高分辨率图像,在复原图像的峰值信噪比和主观视觉效果等方面比其他方法都有显著的提高.     

基于反馈网络的磁共振图像超分辨率重建研究

针对磁共振图像超分辨率重建算法存在的边缘信息丢失和运动伪影等问题,本文提出一种基于反馈网络的磁共振图像超分辨重建方法.采用反馈路径构成网络结构,在所提出的重建算法中,将输入图像进行上采样和下采样操作,提取图像特征,并对提取的特征进行融合后与输入图像一起进行局部循环训练,同时通过残差和卷积操作,重建超分辨率图像.为了更加...     

超分辨率图像重构分层迭代ICA算法研究

分析了超分辨率图像重构的数学模型,指出了超分辨率图像重构的关键问题,提出了用分层迭代ICA算法(HI-ICA)解决面向序列数据的超分辨率图像三维重构的新方法,并用Matlab软件进行了数值仿真实验.结果表明,这种方法对超分辨率图像重构精度的提高有一定的理论和应用价值.     

深度图像超分辨率重建技术综述

便携式消费级深度相机的问世和发展,加速了深度信息在无人驾驶、人机交互、三维重建等领域的应用,但低成本消费级相机所拍摄的深度图像通常具有较低的空间分辨率。深度图像超分辨率重建是一种能有效提高深度信息空间分辨率的方法,已经成为计算机视觉和图像处理领域的研究热点。在详细阐述深度图像超分辨率重建概念和必要性的基础上,从输入图像角度,全面梳理归纳了近年来深度图像超分辨率重建方法的研究现状,对其中的关键性问题和今后的研究方向做了较为深入的分析,最后对深度图像超分辨率重建的应用前景进行了展望。     

基于色彩转换和投影的车牌定位方法

为了设计出一种能够快速自动识别定位车牌的方法,首先对获得的彩色车牌图像进行灰度化和二值化,然后对经二值化处理的车牌图像进行水平和垂直投影,同时充分利用车牌的几何特征,共同完成车牌的区域定位。经VC＋＋验证表明,该方法定位速度快,定位精度较好。     

带有松弛因子的迭代法在图像重建中的应用

图像重建常常被转化为线性方程组的求解问题.从解大型线性方程组出发,由逐次超松弛法(SuccessiveOverRelaxation,SOR)推导出一种带有松弛因子的迭代法.与SOR法相比,该算法不仅大大降低了对计算时间和内存空间的需要,而且有利于克服重建图像对不完全噪声数据的敏感性.通过对模拟数据和实际数据的重建,估计了算法的有效性,并将重建图像与滤波反投影(FilteredBackProjection,FBP)重建图像进行了比较.     

基于预条件共轭梯度的超分辨图像重构方法

针对在航空航天遥感领域使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低和混频现象严重的问题，采用超分辨率图像重构技术融合从不同角度对同一景物重复拍照得到的多帧图像冗余信息，在相机参数已知的情况下重构出超分辨率图像，消除和降低了混频效应，同时提出了快速收敛的预条件共轭梯度最优化超分辨图像重构算法．模拟成像仿真实验从9帧低分辨／率欠采样图像重构得到了分辨率提高4倍的图像．     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时,由干像元尺寸的限制导致图像分辨率低的问题,提出了采用人工神经网络映射图像重构过程非线性特性的方法。在相机参数已知的情况下,用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息,重构得到较高分辨率的图像。在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果。     

生产线模糊图像恢复的投影迭代算法和维纳滤波算法比较

为解决在运动模糊图像的处理中传统的逆滤波法算法对噪声很敏感且易产生噪声放大的问题,采用维纳滤波算法和投影迭代算法对生产线上模糊图像的处理进行分析和比较。在VC++2008上仿真结果表明:这2种算法都能克服逆滤波算法放大高频段噪声的不足;投影迭代算法在恢复模糊图像所用时间和清晰度方面比维纳滤波算法好。     

求解图像分割模型的快速梯度投影算法

针对带约束条件的凸图像分割模型,提出一种快速数值实现算法。该算法在梯度投影算法的基础上结合了快速迭代收缩算法的加速收敛策略,利用正交投影处理不等式约束条件,避免了一般罚函数方法所带来的处罚项的不规则性;同时采用对偶方法来避免全变分项的非光滑性和高非线性性。实验结果表明了所提出算法的有效性和在收敛速度上的优越性。     

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。