一种新的图像配准和超分辨率重建算法

对低分辨率观测图像进行精确配准是实现图像超分辨率重建的关键。然而,当低分辨率图像中的混叠分量达到一定程度时,许多配准算法不能满足超分辨率重建的精度要求。将图像配准和超分辨率重建联合实现的方法受混叠影响较小,该文分析其原因并提出实现这类方法的新算法,该算法采用类似于变量投影的思想,改善问题求解的条件,从而克服常用的坐标轮转下降法的一些不足。新算法利用Lanczos方法和Gauss求积原理高效地实现,并且能够处理低分辨率图像之间平移和旋转等形式的运动。实验结果证明了该方法的有效性。     

复眼图像超分辨率重构中配准算法研究进展

高分辨率图像能够提供更多的图像细节和更清晰的图像质量,因此模仿生物复眼高分辨率这一特性、研究复眼超分辨率对于航天侦查和军事目标的识别具有重要意义。近年来亚像素级图像配准作为超分辨率重构中的关键步骤成为了研究热点,新的配准算法层出不穷。图像配准作为复眼图像超分辨率重构技术中至关重要的一步也是超分辨率重构中的一个难点,图像配准的精度以及图像配准算法的运算复杂程度直接影响着超分辨率重构的质量和效率。文中总结了近年来国内外超分辨率重构中配准算法的研究进展,介绍了图像配准技术和复眼超分辨率重构技术的基本原理和应用背景,阐明了课题的研究目的、意义以及发展前景,并且重点研究与分析了目前主流的配准算法以及各自的优缺点,并对今后的研究趋势进行了展望,同时为今后的配准算法研究提供了重要参考。     

多帧超分辨率重建中的图像插值

为了实现多帧超分辨率重建,必须从图像序列中提取子像素信息,因此要求图像的配准精确到子像素级。本文提出了一种超分辨率重建中运动矩阵的构造方法。为了提高矩阵的构造精度,该方法引入图像插值,用性能好但计算量较小的三次插值算子实现插值运算,并比较了三种常用插值核的性能。实验结果表明,选择适当的插值函数不仅不会明显增加计算量,而且可以显著提高矩阵的构造精度,从而大大提高多帧超分辨率重建图像的质量。     

一种基于子像素配准视频超分辨率重建方法

为了提高视频的空间分辨率,提出了一种利用帧间运动信息进行超分辨率重建的方法。对于整个视频的重建,提出了一种基于滑动窗的分段重建模型。在每一个滑动窗中,首先对相邻帧进行子像素级精度的运动配准;然后通过迭代反投影算法进行超分辨率重建。在配准算法中,提出了一种基于四参数刚体变换模型的配准方法,通过迭代求解和高斯金字塔图像模型由粗及精地进行运动估计。分别对模拟图像及实拍彩色视频进行重建,实验结果表明,该配准算法具有较高的精度,重建算法取得了较高的峰值信噪比(PSNR)值,重建视频具有更好的视觉效果和更高的分辨率能力,可被广泛应用于在帧间主要存在平移和旋转运动的视频序列的超分辨率重建。     

基于改进Keren配准方法的超分辨率算法

提出一种基于边缘检测和Keren配准方法的自适应归一化卷积超分辨率重建算法。为了进一步提高低分辨率序列图像间的配准精度,该算法将边缘检测与Keren配准算法相结合。首先利用Roberts算子对图像序列进行边缘检测,然后利用基于简化四参数仿射变换模型的Keren改进算法求出边缘图像间的平移和旋转参数。仿真实验结果表明即使在含有噪声及大角度旋转情况下,相比Keren改进算法该算法配准精度得到了显著提高;其中采用Roberts算子相比其他传统算子可获得更高的配准精度。最后采用自适应归一化卷积超分辨率融合算法进行超分辨率重建,真实混叠图像序列的实验表明,基于提出的这种配准方法的超分辨率重建图像获得了很好的视觉效果和更高的分辨能力,具有良好的应用价值。     

一种基于MAP的图像超分辨率重建算法

引入一种基于关键点滤波(Critical-Point Filters,CPF)的图像配准方法,并在最大后验概率(Maximum a Posteriori,MAP)框架下提出一种改进的集投影法(Projections onto ConvexSets,MAP/POCS)混合算法。算法把POCS的残差约束集合加入到基于CPF图像配准的MAP正则算法中,在每次迭代重建中对重建图像的像素点进行约束,充分利用这三种算法的优点。实验结果表明,相比于传统的重建方法,该算法能够更有效地表达视频中的非平移运动,超分辨图像主观质量有明显改善。     

亚像元图像超分辨率重建研究

针对光纤束耦合成像系统的特点,对存在亚像元量级空间错位的图像进行超分辨率重建研究.研究分为图像配准与融合两个步骤.图像配准时,用经典的Keren配准算法对两幅图像进行亚像元级别配准.图像融合时结合双三次插值对配准后两幅图像进行Mallat小波分解与重构,从而实现图像超分辨率重建.实验结果表明,简化后的配准算法配准精度达到了0.01像素,而经过插值与融合重建出来的图像空间分辨率提高了一倍,并且保留了丰富的细节信息.     

视频超分辨率重建技术综述

在获取视频过程中,有许多因素会导致视频质量的退化,使得视频的空间分辨率降低;而摄像机曝光时间和拍摄帧率又限制了视频的时间分辨率。视频超分辨率重建是一种能有效提高视频时间分辨率和空间分辨率的方法,已经在计算机视觉和图像处理等领域引起了广泛关注。详细阐述了视频超分辨率重建研究的概念和必要性,并较全面地回顾了超分辨率技术近年来的发展历程,对视频超分辨率重建中关键问题进行了较为深入的分析,指出了当今研究难点和今后的研究方向,对视频超分辨率重建的应用前景进行了展望。     

一种改进的单帧图像超分辨率重建的高效算法

根据图像的降质模型,基于凸集投影（POCS）原理,结合降质图像模型,提出一种使用中值滤波初值处理的高效POCS单帧图像的超分辨率重建方法。计算机仿真结果表明,和双线性内插、经典POCS方法比较,改进后的该方法重建图像信噪比平均提高2．1dB和1．1dB。     

一种改进的POCS算法的超分辨率图像重建

图像超分辨率是指从一组模糊的低分辨率图像重建一帧清晰的高分辨率图像的过程.从经典的基于凸集投影POCS(projection onto convex set)的超分辨率图像重建算法出发,分析重建后高分辨率图像边缘模糊的成因,提出了一种基于保留边缘信息的POCS超分辨率图像重建算法.实验结果表明该方法能够明显地提高重建图像的质量.     

基于分数阶梯度驱动的主动Demons算法研究

图像非刚性配准在计算机视觉和医学图像有着重要的作用.Demons算法被证明是解决非刚性配准的有效方法,然而存在的Demons非刚性配准算法对灰度均匀和弱纹理区域的图像配准精度低,优化易陷入局部极小导致配准速度缓慢.针对该问题,将R-L（Riemann-Liouville）分数阶微分引入到主动Demons算法中,提出了基于R-L分数阶梯度驱动的主动Demons算法.本文将R-L分数阶梯度代替传统的梯度算子,不但可以增强图像的细节信息,而且可以增强灰度均匀和弱纹理区域的梯度信息,从而提高了图像配准精度和速度.另外,通过实验给出了配准精度与R-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的,但是其最佳配准阶次一般在0~1之间.理论分析和实验结果均表明,该算法可以用于灰度均匀和弱纹理区域的图像配准,且配准精度和速度都有明显的提高,本文方法是Demons算法应用的一个重要延伸.     

POCS超分辨率图像重构的快速算法

超分辨率图像重构是将多帧低分辨率图像重构成一幅高分辨率图像的过程。由于其求解是一大型病态求逆问题，计算量随着放大倍数的增加而急剧上升，如何降低计算复杂度是超分辨率成像所面临的一个急需解决的课题。提出了一个基于PoCs的高分辨率图像重构的快速算法。其原理是利用各低分辨率图像之间位移的关系将所有的低分辨率图像进行重组，然后对每个组进行PoCs超分辨图象重构。实验结果表明。该快速算法较大地提高了超分辨图像重构的速度。     

无源毫米波成像改进POCS超分辨率算法

在无源毫米波成像中,因为受天线孔径大小的限制而导致获取的图像分辨率低,所以必须采取有效后处理措施增强分辨率.提出了一种改进的POCS超分辨率算法,该算法结合了Wiener滤波器复原算法和凸集投影(POCS)算法的优点,使用Wiener滤波复原算法恢复图像通带内的低频分量,运用POCS算法作为主迭代过程实现频谱外推,同时保证低频分量不被破坏.实验结果表明,该算法增强了图像的分辨率,改善了收敛速度,减少了计算量,有利于无源毫米波成像超分辨率的实时实现.     

超分辨率图像重构边缘振荡的高效去除算法

针对POCS超分辨率图像重构算法在放大倍数加大时存在边缘振荡效应加剧和计算复杂性上升的问题,提出了一个能同时解决这两个问题的新算法,它将放大过程分步进行,并在每步引入边界自适应约束。实验结果表明,该算法在有效消除边缘振荡效应的同时,极大地提高了超分辨率图像重构的速度。     

一种改善被动毫米波重建图像质量的方法

凸集投影(POCS)算法是一种广泛使用的超分辨率图像重建方法.针对常规POCS算法收敛速度慢、存在边缘震荡效应的问题,论文结合被动毫米波图像降质模型,提出了一种用于被动毫米波图像超分辨率重建方法.该方法有效利用图像的边缘信息,根据不同的区域选择相应的松弛算子,同时建立边缘约束集来保证边缘图像的尖锐性.实验结果表明.在有效消除边缘震荡效应的同时提高了收敛速度,适用于被动毫米波图像的超分辨率处理.     

采用边缘Gibbs现象抑制的红外图像POCS重构算法

在研究和分析凸集投影(Projection Onto Convex Sets,POCS)法的基础上,提出了一种改进的图像超分辨率重构算法.该算法充分利用空域确定模型,通过平滑降噪处理,经运动估计进行配准;突出数字图像细节信息的同时,有针对性地修改点扩散函数(Point Spread Function,PSF)取值,通过有效抑制边缘Gibbs现象获得最佳质量的高分辨率重构图像.对重构后的红外图像质量进行了定量评价.结果表明,图像质量取得了预期的效果.该技术在红外目标识别与跟踪、红外侦察与反侦察、舰船红外目标特性研究、高清数字图像处理、旧视频翻录和生物信息提取与识别等方面具有重要的应用价值.