基于超分辨率重建的亚像素图像配准

针对低分辨率图像在配准过程中精度较低的问题,提出了一种基于超分辨率重建的亚像素图像配准方法。首先,对具有1至9像素位移的图像序列进行10倍降采样,获取具有0.1至0.9亚像素位移的图像序列。然后,根据图像的获取过程建立数学模型,以Bayes理论为基础,使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建,获取高分辨率图像。最后,使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明,所提方法的最大配准误差为0.03pixel,能实现对低分辨率图像的亚像素级配准,具有配准精度高、噪声抗干扰能力强等特点,可同时满足可见光图像与红外图像的高精度配准要求。     

一种图像配准的超分辨率重建

提出了一种具有子像素级精度的图像配准方法,并通过迭代反投影算法进行超分辨率重建.介绍了基于3参数模型的图像配准方法并提出了基于4参数模型的图像配准方法,由于没有直接将旋转角度参量引入到运动模型中,有效地避免了原方法中泰勒级数展开时的小角度假设.最后,根据配准算法所得到的子像素级运动信息,用迭代反投影算法进行超分辨率重建.分别对多幅具有较大运动的模拟及真实的低分辨率图像进行实验,结果表明:该配准算法取得了更高的精度,平均平移误差减少了0.026 1 pixel ,平均旋转角度误差减少了0.356 4°;重建图像具有更好的视觉效果,平均PSNR值提高0.75 dB.本文方法可以被广泛地应用于相互间主要存在平移和大角度旋转的多幅低分辨率图像的大倍数超分辨率重建,可满足实际应用要求.     

基于区域划分的红外超分辨率重建

提出了红外超分辨率重建系统以获取高分辨率红外数据。首先,根据红外图像获取过程建立了数学模型,讨论了降采样、模糊、运动以及高斯噪声对红外系统的影响;在非退化特征提取的基础上提出了基于特征的亚像素配准算法,其根据所得到的非退化特征应用归一化均方根误差来估计两帧之间的亚像素位移。然后,分析了传统全变分因子在高分辨重建时的不足并对其进行改进;利用区域划分将图像划分为平滑区域和细节区域,并根据区域的不同情况自适应全变分因子,从而使细节区域不至于过平滑。最后,利用MM(Majorization Minimixation)算法对合成的低分辨率红外图像和真实红外图像进行了超锐度重建。与同类相关算法的比较实验显示:所提算法亚像素配准最大误差为0.09pixel,重建后的红外图像质量优于其他同类算法。所提算法可以对低分辨红外图像序列进行有效重建,具有配准精度高、重建图像细节丰富等特点,可应用于各种红外成像系统。     

高精度影像测量系统中图像的超分辨率重建

为了提高影像测量系统的测量精度,研究了基于微位移错位的多幅图像超分辨重建技术.考虑制作成本和制作难度,提出了一种不苛求精确微位移的超分辨率重建技术.首先,获取随机微位移图像序列;然后,利用被测对象中易于实现高精度提取的特征点或采用模板衬底中的特征点计算出图像序列间的准确位移关系;最后,根据本文提出的数学模型重建出高分辨...     

非刚性医学图像的博弈配准方法

提出一种通过像素间的非合作博弈实现非刚性医学图像配准的方法。首先用离散位移场表示形变,将配准问题归结为马尔可夫随机场中的最大后验概率推理问题,并转化为吉布斯随机场的能量极小问题。然后将配准视为像素间的博弈,通过寻找纳什均衡点获得能量极小点,完成图像配准。博弈过程中,各个像素都选择使自身收益最大化的位移向量。该方法能配准任意形变,需要设定的参数少,易于实现。实验结果表明,博弈配准方法的配准能力强,精度高,对图像分辨率的变化具有鲁棒性。     

光谱仪图像的亚像素配准

针对超光谱成像遥感存在的光谱仪图像间失配变形,影响地物目标光谱信息纯度的问题,提出了一种结合超光谱图像特点的亚像素配准方法来校正图像间的失配变形.首先,对待配准的可见光近红外(VNIR)和短波红外(SWIR)光谱仪图像分别进行波段选择和主成分变换,将变换后的第一主分量图像作为待配准图像.然后,将待配准图像均匀划分为具有一定重叠率的图像块,利用相位相关方法估计对应图像块的亚像素平移参数,通过相位相关系数剔除错误的平移参数估计生成图像的光流场.最后,通过光流场来实现光谱仪图像的配准.实验结果显示,该方法配准精度优于0.1pixel,满足超光谱图像后续处理对配准精度的要求.     

多视频超分辨率的时间重建倍数

多视频超分辨率时间重建技术可以消除视频中的运动模糊和运动混叠现象。进行多视频时间重建时,重建倍数过小不能有效地减小运动模糊和运动混叠现象;而重建倍数过大会产生严重的时间振铃现象和运动物体位置的跳变。本文对如何在重建过程中确定最优的时间重建倍数进行了研究。通常情况下,在决定多视频时间重建倍数时只考虑输入视频的个数;但在实际重建过程中,除了输入视频个数的因素,时间重建倍数还与各个输入视频在时间上能提供的冗余信息量有关。文中从多个低分辨率输入视频配准后的位置关系入手,通过对曝光区间的分析,提出了确定多视频时间重建倍数的计算方法。最后对提出的方法进行了理论分析与实验,证明了所提方法的有效性。     

结合多分辨率修正曲率配准的层间插值

针对体数据各坐标轴分辨率不一致,导致医学及工业三维图像重建时出现边界台阶状结构、细节断裂或缺失等问题,提出了基于多分辨率修正曲率配准的层间插值方法。该方法采用反投影重建形式增强图像细节,解决配准图像清晰度和对比度弱的问题;利用三次卷积插值构造切片的低分辨率图像以保留图像细微结构,提高配准精度。采取从低分辨率粗配准到高分辨率精细配准的策略减少计算时间,提高计算效率。利用切片图像对应像素间存在对称形变结构的特征,建立了修正曲率模型估计形变场,解决了配准时单向形变不一致的问题。最后,通过离散余弦变换(DCT)的数值解析方案对构建的形变场估计函数进行优化,利用最终形变场数据对切片进行线性插值,计算出层间图像。实验结果表明,提出的算法能够消除现有方法插值图像的边缘模糊现象。与线性插值算法相比,提出方法的均方差(MSD)减小了40%,高于对称曲率模型,且耗时仅为该模型的20%左右,满足应用要求。     

近似稀疏正则化的红外图像超分辨率重建

针对红外图像分辨率低、受噪声影响严重等问题,引入近似稀疏正则化和K-奇异值分解（K-SVD）法,提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染,首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合近似稀疏表示模型和K-SVD方法,提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能,对提出的算法与稀疏性正则化的图像超分辨模型（SRSR）和Zeyde算法进行了实验比较。结果表明,本文方法能够较好地减少红外图像中的噪声,同时获得更好的超分辨率重建效果。     

基于径向基函数神经网络的超分辨率图像重建

为了突破成像极限,经济可行地获取高质量的卫星图像,提出了一种基于径向基神经网络的超分辨率图像重建算法。以径向基神经网络为基础,依据卫星图像退化模型获取网络训练所需的学习样本图像,采用向量映射的方式加速网络收敛。其中,径向基函数的中心、宽度及网络的隐含层数、连接权值是决定径向基神经网络的关键参数,直接关系到网络的重建性能。采用最近邻聚类算法,动态地建立起基函数的中心及宽度,自适应地确定网络的隐含层数及连接权值。建立起的径向基函数神经网络显著地提高了图像重建性能和网络收敛速度(221s即可收敛)。仿真实验和泛化实验表明,训练好的径向基神经网络可以有效地进行卫星图像的超分辨率重建,效率高,误差小。     

基于Fourier-Meliin算法的干涉图像配准

提出了采用Fourier-Mellin算法对大孔径静态干涉成像光谱仪的原始干涉图像进行配准的方法,用于校正由于推扫平台系统姿态不稳所造成的失真.采用Fourier-Mellin算法和相位相关算法求取干涉图像的旋转角度和缩放及平移参数,并通过多帧未校正的图像和校正后的图像分别拼接成大面积地域图像来验证算法.实验结果表明,通过人眼判断,可以实现对图像的配准,配准精度达到1Pixel,基本满足将LASIS原始干涉图校正为不失真图像的要求.     

改进Demons算法的非刚性医学图像配准

非刚性配准是医学图像处理的一个重要的研究方向。基于光流场模型的Demons算法由于仅依赖图像灰度梯度使图像变形,当缺乏梯度信息时图像的变形方向不能确定,因而容易造成误配准,且该算法只适合于单模态图像配准。本文针对最大互信息配准方法在多模态刚性配准中的成功应用,提出了一种可用于多模态图像配准的改进Demons算法。该方法在原有驱动图像变形力的基础上,增加两幅图像间互信息对当前变换的梯度作为附加力作用,使浮动图像向两图像间互信息增大的方向变形,正确地配准图像。为避免陷入局部极值并提高算法的运行速度,该方法在多分辨率策略下实现。使用单模态、多模态图像分别进行实验来验证此算法,并与原始Demons算法进行比较,实验表明,该方法能够快速地产生准确的配准变换。     

融合层次特征和注意力机制的轻量化矿井图像超分辨率重建方法

针对矿井图像灰暗模糊、边缘不清晰等问题,提出了一种融合层次特征和注意力机制的轻量化矿井图像超分辨率重建方法。首先设计一种残差坐标注意力模块,在残差块中融入坐标注意力机制,使网络获得更丰富的高频细节信息;其次采用层次特征融合机制,对不同网络层次的特征信息进行特征融合,促进边缘细节信息的重建。最后,再对融合后的特征进行降维以减少模型计算量和参数量。为了使模型在真实矿井场景中具有更好的泛化能力,构建了一种煤矿井下图像数据集CMUID用于网络模型的训练和测试实验。实验结果表明,本文算法的重建图像质量在客观指标和主观感受上均优于其他对比算法。当缩放因子为4时,与OISR算法相比,在煤矿井下数据集上PSNR和SSIM的平均值分别提升了0.318 5 dB和0.012 6,在公共数据集上PSNR和SSIM的平均值分别提升了0.1 dB和0.003 5;网络模型参数量减少了70.7%。     

基于SIMD技术的锥束ART算法快速并行图像重建

ART(algebraic reconstruction technique)算法是一种迭代图像重建方法,适合于大型工业构件的无损检测,其缺点是计算量大、重建时间长。为了提高锥束ART算法的重建速度,本文提出一种快速并行图像重建方法。首先根据锥束CT扫描方式下三维射线的对称性提出一种权因子和体素索引的并行计算方法,通过一次计算可同时得到两条射线的权因子和体素索引;然后采用Intel处理器的单指令多数据(single instruction multiple data,SIMD)技术,一次性加载多个打包数据,利用SSE(streamingSIMD extension)指令实现了投影、计算图像校正和反投影的并行运算。实验结果表明本文提出的方法非常有效,在保证图像重建精度的同时取得了约1.5倍的重建加速比。     

用支持向量回归法实现单帧图像超分辨率重建

由于一些传统的超分辨率重建算法学习多幅不同类别的图像仍无法获得好的重建效果,本文提出了一种基于支持向量回归机和光栅扫描的单帧图像超分辨率重建算法。该算法首先采用光栅扫描法对一组高低分辨率训练图像提取图像块,从块中分别抽取输入向量和标签像素。利用Log算子判断这些块是属于高频空间还是低频空间,从而构建高低频空间向量对并对其进行优化。然后,用支持向量回归机(SVR)工具训练优化后的向量对,得到高低频空间下的两个字典;抽取测试低分辨率图像中的块并得到高低频空间下的输入向量,利用SVR工具回归对应的属于超分辨率图像块的标签像素并得到回归后的图像。最后,对图像进行后处理得到最终的超分辨率图像。与其它算法的对比实验表明:提出的算法具有较好的视觉效果。特别在放大倍数为2时,提出的算法在不同图像上的峰值信噪比(PSNR)和结构相似度(SSIM)值较双三次插值法分别提高了3.1%~5.3%和1.5%~8.1%。得到的结果显示提出的算法获得了更好的重建效果。     

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。