多尺度自适应配准的视频超分辨率算法

为了提升制约视频超分辨率重建质量的多帧配准精度,提出了一种基于图像块多尺度自适应配准的视频超分辨率算法. 依据图像帧的块内容自适应选择配准尺度,运动边缘信息采用高精度配准,然后将运动向量补偿到多帧图像超分辨率重建代价函数中,利用最大后验概率算法迭代优化高分辨率视频帧. 仿真表明:多尺度自适应配准算法不仅提高了配准精度,还提升了视频超分辨率重建图像帧的主客观质量,证明了多尺度自适应配准在视频超分辨率重建中的有效性.     

一种基于阵列相机的超分辨率重建方法

本文利用阵列相机获取的多幅低分辨率图像合成一幅去噪高分辨率图像,提出一种基于阵列相机的超分辨重建去噪方法.首先,对阵列相机获取图像进行基于卷积神经网络的单幅低分辨率图像的超分辨率重建.其次采用SURF分块匹配方法实现多幅高分辨率图像的配准.最后对配准图像进行基于逐像素多尺度融合的多幅高分辨率图像融合.利用ISO12233分辨率卡进行对比测试,以证明本文方法具有更高图像解析度并减小噪声影响.     

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。     

优化的CT图像配准方法的研究与比较

由于不同的医学图像信息的局限性,综合利用多次成像或多种模式成像可以获得较全面的信息,使临床诊断和治疗、放疗的定位和计划设计、外科手术和疗效评估等更加全面和精确.尽管近30年来对生物医学图像配准方法做了大量的研究,并提出了许多解决办法,取得了很大的进展,但到目前为止还没有一种能应用于临床的通用的软件配准方法.为了选出更合适的CT医学图像配准方法,试验与比较了一些配准方法.为了能处理更广范围的形变,特别地在CT医学图像上对多分辨率的弹性配准进行了研究.实验结果表明,对于基于B样条的弹性配准,多分辨率配准模式性能更优.     

基于超分辨率重建的车牌图像增强算法

在低分辨率视频序列的车牌识别中,针对序列中车牌图像分辨率低、噪声污染严重的问题,提出了一种基于超分辨率重建技术增强车牌图像的方法。在图像实现亚像素级配准的基础上,根据局部图像明显的结构信息,构建归一化卷积的局部结构自适应高斯核函数,并将不同序列中包含的不同车牌信息的图像融合成一幅高分辨率图像。实验结果表明,该算法与传统方法相比,重构出的高分辨率图像具有更高的图像信噪比,且边缘保持性更好,能够有效地重构出高分辨率的车牌图像,提高车牌识别的准确率。     

基于相位梯度的干涉条纹图配准方法

利用单基线InSAR系统对同一地区进行重复观测,是获取多基线干涉数据的一种现实可行的途径.单基线InSAR系统单次航过形成的SAR图像对具有高相干性,利用传统的图像配准方法容易实现配准.然而,多次航过获得的SAR图像存在严重的时间去相干和基线去相干,配准难度很大.但是,多次航过形成的干涉相位图对应于同一数字高程模型(Digital Elevation Model,DEM),因此,多次航过产生的DEM中必然存在相干信息.基于此,提出了一种对干涉相位图的配准方法,此方法充分利用相位梯度信息,解决了单基线InSAR多航过数据处理中的干涉条纹图配准问题.计算机仿真结果验证了本方法能够有效地配准单基线InSAR系统多次航过所获得的干涉条纹图.     

压缩编码孔径红外成像超分辨重建

为了利用低分辨率红外探测器获取高质量图像信息,对基于频谱面的压缩编码孔径成像方法和超分辨率图像重建算法进行了研究。首先,在频谱面加入孔径编码器,通过傅里叶变换对采样图像信号进行编码压缩。然后,利用光学成像系统的分片光滑性,实现信号在傅里叶变换域的稀疏表示。最后,提出了两点步长梯度法与自适应非单调线搜索策略相结合的梯度投影并行加速算法,用于完成对稀疏信号的超分辨重建。实验结果表明,该算法能够以远小于原始信号的数据量重建出高分辨率图像信息。     

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。     

基于深度学习的遥感图像超分辨率重建方法综述

基于深度学习的遥感图像超分辨率重建方法是计算机视觉中的重要方法之一。传统的遥感图像超分辨率重建方法已无法满足地物目标识别和土地检测等应用的需求,如何利用深度学习来重建遥感图像的分辨率是目前要解决的问题。结合国内外最新研究现状,将基于深度学习的遥感图像超分辨率重建方法分成3大类：单幅遥感图像超分辨率重建方法、多幅遥感图像超分辨率重建方法和多/高光谱遥感图像超分辨率重建方法。系统梳理了基于深度学习的单幅遥感图像超分辨率重建方法,包括基于多尺度特征提取的方法、结合小波变换的方法、沙漏状生成网络的方法、边缘增强网络的方法以及可跨传感器的方法。总结了基于深度学习的多幅遥感图像和多/高光谱遥感图像超分辨率重建方法中目前主流的方法。通过实验结果分析了遥感图像超分辨率重建方法目前效果最好的单幅图像超分辨率重建方法是基于GAN的方法,但是多幅遥感图像和多/高光谱遥感图像超分辨率重建效果仍然不佳,存在配准融合、多源信息融合等问题。最后,对基于深度学习的遥感图像超分辨率重建方法未来可能的发展趋势进行了展望,指出构建针对遥感图像特点的神经网络结构,无监督学习的遥感图像超分辨率重建方法,以及多源遥感图像的超分辨...     

基于MMSE-T的合成孔径雷达图像超分辨率重建

针对雷达目标图像,提出一种基于阈值最小均方误差（MMSE-T）的超分辨率重建方法,并对其性能进行了分析、比较和评估.介绍和分析了雷达成像模型及常用的超分辨方法.以及MMSE-T改进算法及其具体实现方法.以MSTAR合成孔径雷达（SAR）实测图像为例,给出其超分辨结果,同时基于输出信噪比（SNR）指标,对其性能进行了比较与评估.实验表明：MMSE-T超分辨率方法在无须事先已知原始场景先验知识的情况下,可实现对原始场景的准确重建,同时具有较好的噪声抑制作用,可用于高分辨率一维距离像、合成孔径雷达、逆合成孔径雷达及实波束成像等雷达图像目标信息的开发.     

改进轮廓波变换的ISAR信号超分辨成像方法

为了克服由于实测数据有限、逆合成孔径雷达(ISAR)成像分辨率低的问题,提出了一种基于改进轮廓波变换(CT)的ISAR回波信号超分辨成像方法.该方法首先采用非下采样的轮廓波分解来实现信号不变尺度下不同方向的高频成分提取;然后将不同方向的高频信息与原始回波信息一同构建为CT变换的分解层;最后借助轮廓波重构变换技术实现ISAR回波信号的尺度拓展,进而实现超分辨成像.与用插值方法进行信号尺度拓展后成像相比,该方法更能反映空中目标雅克42型飞机雷达图像细节信息,提高成像质量,从而验证了该方法的有效性.     

Delaunay三角剖分插值用于超分辨成像

微变焦超分辨成像在插值重建方面比较困难,目前基于最小二乘估计的频域模型和空域模型也都存在一些局限性。为了兼顾超分辨成像的实时性和精确性,该文在图像重建过程中,借鉴Delaunay三角剖分的数学概念,采用随机增量算法,定义了基于Delaunay三角剖分的插值算法。该算法可以提高分辨率,降低运算量。仿真实验结果表明,该算法在图像重建的时间和均方误差方面,均优于共轭梯度最小二乘法,其中基于Delaunay三角剖分的三次方插值算法的优越性更为突出。     

利用压缩感知的逆合成孔径激光雷达成像新方法

受限于激光调制技术,在较长的积累时间内,逆合成孔径成像激光雷达发射脉冲之间的相干性难以保持,导致方位向散焦,影响成像效果．为此提出了一种在较短相干积累时间内,利用较少回波数据实现同等分辨率的瞬时成像算法．此算法利用压缩感知理论,将逆合成孔径成像激光雷达成像问题转换为利用正交基压缩感知重构稀疏信号的问题,通过优化求解的方式对目标像优化重建,且在低信噪比时通过构造权矩阵,提高算法对目标像的恢复性能．室内逆合成孔径成像激光雷达验证系统实测数据验证了算法的可行性和有效性．     

基于简化仿射变换模型的图像配准方法

在超分辨率图像重构中,将来自不同传感器、不同时间获取的多帧图像高精度快速配准是其关键技术之一。在介绍图像配准基本方法的基础上,根据仿射变换原理,提出了基于简化的仿射变换模型的图像配准方法;通过采用 APS(ac tive pixel sensor) CMOS相机作为图像传感器,建立试验原型系统,验证了此方法的正确性;进行了结果分析,明确了配准精度。试验表明:该算法简单、速度快、精度较高,能够应用于超分辨率图像重构的配准中。     

基于高速相位调制的菲涅耳场相位恢复

多强度相位恢复方法通过改变光学成像系统中的物理参数获得不同的编码衍射图案,实现相位的最佳收敛和高精度重建,无需额外的先验知识等优点;但现有多强度相位恢复方法在获取不同测量的过程中,往往需要不断改变成像系统的物理结构,从而导致成像结构较为复杂,需要精确移动或调整部分光学元件的空间位置,反复地对齐与校准,显著增加了相应的工作量。针对上述问题,本文提出基于高速相位调制的菲涅耳场相位恢复方法,该方法主要使用两种纯相位空间光调制器(电可调透镜/纯相位型硅基液晶)来进行相位的快速动态调制,然后通过自由空间传播到记录平面,被探测器所获取强度信息,不需要透镜装置或者改变成像系统的物理结构,使得成像结构更为紧凑和简单,避免了反复对齐与校准的过程;在重建阶段使用WF算法从获取的多幅编码衍射图案中同时重建光场的振幅和相位。仿真实验验证了本文方法的有效性和鲁棒性。本文方法的成像结构更为紧凑和简单,避免了反复对齐与校准的工作量,具有重要的应用潜力,尤其是电可调透镜调制方案,可适用于高分辨率场景的高速记录。     

压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

基于重建方法的图像超分辨率技术发展现状分析与方向预测

图像超分辨率(super resolution,SR)重建技术是利用一帧或多帧低分辨率(low resolution,LR)图像的信息来重建一帧清晰的高分辨率(high resolution,HR)图像的技术,是图像处理中的研究热点。介绍了基于重建方法的图像SR技术的基本原理及数学模型,以频域方法和空域方法作为分类依据,分别阐述了图像SR重建技术的经典方法和最新进展,并对各类算法的优缺点进行了系统的分析和总结,最后指出了基于重建方法的图像SR技术的研究方向。     

Radial Basis Function Neural Network Based Super-Resolution Restoration for an Undersampled Image

To achieve restoration of high frequency information for an undersampled and degraded low-resolution image, a nonlinear and real-time processing method the radial basis function (RBF) neural network based super-resolution method of restoration is proposed. The RBF network configuration and processing method is suitable for a high resolution restoration from an undersampled low-resolution image. The soft-competition learning scheme based on the k-means algorithm is used, and can achieve higher mapping approximation accuracy without increase in the network size. Experiments showed that the proposed algorithm can achieve a super-resolution restored image from an undersampled and degraded low-resolution image, and requires a shorter training time when compared with the mulfiplayer perception (MLP) network.