稀疏表示图像超分辨率重建的自适应方法

提出了一种参数自适应的图像超分辨率重建方法.在基于稀疏表示的图像超分辨率重建的经典算法模型框架下,正则化参数可以根据每个图像补丁本身情况自适应地确定,从而克服了人为选择参数且所有补丁参数需一致的缺点,因此使图像重建效果得到提升.实验结果表明,我们所提方法在不同尺寸扩大因子和噪声环境下都优于人工确定参数的情形,三种评价指标均表明所提方法是有效的.     

一种基于MOD字典学习的图像超分辨率重建新算法

将低分辨率图像重建成高分辨率图像是图像处理领域中的一个重要课题。Yang提出一种基于联合字典学习的图像超分辨率重建算法,其算法样本选取与字典训练方法较为复杂。提出一种基于MOD字典学习的图像超分辨率重建新算法,首先采用少量的训练样本代替Yang的大量训练样本,然后使用MOD字典学习算法代替Yang的FFS字典学习算法,最后利用字典对图像进行稀疏表示与重建。实验结果表明,所提出的算法速度较快,并且重建图像的质量较高。     

一种新的超分辨率图像重建算法

超分辨率重建是提高图像分辨率的一种方法.根据图像分层变换和插值处理的特点,提出了一种将分层子带变换S+P变换(序列变换加预测运算)和插值算法相结合的超分辨率重建算法.该方法首先对图像序列进行运动估计和运动补偿,然后再对配准后的图像序列进行S+P变换,并对分解得到的高频子带进行插值,最后通过S+P逆变换得到超分辨率图像....     

摄像中的超分辨率图像重建算法研究

超分辨率图像重建技术就是利用信号处理的方法,从多幅低分辨率图像中提取更多细节信息,重建出一幅或多幅高分辨率图像的技术。文章介绍了超分辨率图像重建的概念,并且探讨超分辨率图像重建的意义和需求,然后着重研究了目前的几种主要超分辨率图像重建算法,并讨论了关于目前超分辨率图像重建算法的一些思考。     

基于视觉对比度特性的红外图像超分辨率重建

针对现有超分辨率算法重建后的红外图像存在对比度差、信噪比低、视觉效果模糊的缺点,提出一种基于视觉对比度特性的红外图像超分辨率重建算法。该算法首先利用人眼在不同灰度级的分辨能力不同,通过引入红外图像对比度这一先验信息重建红外图像,其次构建一噪声度量因子以区分图像目标与噪声,然后对目标边缘进行增强,噪声进行滤除。实验结果表明:经过改进算法重建的超分辨率红外图像对比度提高了2倍,噪声得到了有效抑制,视觉效果明显改善。     

基于主动位移成像的图像超分辨率重建

超分辨重建算法是一种将低分辨率图像恢复为高分辨率图像的算法,被广泛用于医学、遥感、军事安防以及人脸识别等领域。在黑夜、远场场景下构建数据集比较困难,基于深度学习的超分辨重建算法应用受到阻碍。而微扫描成像技术扫描模式固定,对器件到位精度要求高。针对这两个问题,我们提出一种基于主动位移成像的图像超分辨率重建算法。具体地,在控制相机随机移动的同时记录采样时刻位移,通过解算、映射选图、精确匹配图像序列并获取多帧图像间的亚像素信息,然后对估计图像进行迭代和更新,最后重建获得高分辨率图像。实验结果表明,本算法在PSNR、SSIM和平均梯度三个指标上都优于最近提出的基于POCS的图像超分辨率重建算法MFPOCS,与基于CNN的方法 ACNet相比具有竞争力。值得提出的是,本算法无需固定的扫描模式,降低了微扫描技术对器件实时到位精度的要求,同时,本算法可以保证重建初始帧的优良选取,有效规避了POCS算法的固有缺点。     

基于稀疏表示的车牌图像超分辨率算法研究

介绍一种应用于车牌图像的稀疏表示超分辨率算法,依据稀疏表示理论,自然图像在合适的过完备字典下总存在稀疏的表示,为输入的低分辨率图像寻找一个稀疏表示,用稀疏系数来生成高分辨率输出图像。通过对低分辨率和高分辨率图像补丁的联合训练生成字典,该字典提供低分辨率图像补丁的稀疏表示,用来生成高分辨率图像补丁。     

基于聚类和协同表示的超分辨率重建

图像超分辨率重建是利用单幅或多幅降质的低分辨率图像重建得到高分辨率图像,以提高图像的视觉效果并获得更多可用的信息。本文提出结合图像特征聚类和协同表示的超分辨率重建方法。在训练阶段根据图像的特征信息对图像样本进行聚类并利用图像特征的差异性训练不同的字典,克服了传统训练单个字典方法对图像特征表示不足的缺点。而且利用协同表示方法求得不同聚类的高、低分辨率图像样本之间的映射矩阵,提高了图像重建速度。实验表明,本文方法与其他方法相比,不仅提高了重建图像的PSNR和SSIM指标,而且改善了视觉效果。     

超分辨率图像重建在法庭科学中的应用

超分辨率图像重建是近年来迅速发展起来的一种旨在利用某一景物的若干低分辨率图像获取该景物高分辨率图像的技术。本文介绍了超分辨率图像重建技术在法庭科学中的应用、作用、方法,并总结了相关问题和发展方向。     

Research on the Application of Super Resolution Reconstruction Algorithm for Underwater Image

Underwater imaging is widely used in ocean, river and lake exploration, but it is affected by properties of water and the optics. In order to solve the lower-resolution underwater image formed by the influence of water and light, the image super-resolution reconstruction technique is applied to the underwater image processing. This paper addresses the problem of generating super-resolution underwater images by convolutional neural network framework technology. We research the degradation model of underwater images, and analyze the lower-resolution factors of underwater images in different situations, and compare different traditional super-resolution image reconstruction algorithms. We further show that the algorithm of super-resolution using deep convolution networks (SRCNN) which applied to super-resolution underwater images achieves good results.     

Super resolution in CT

The general framework of super resolution in computed tomography (CT) system is introduced. Two data acquisition ways before or after the reconstruction respectively are described. Three models including the sinogram model, the in‐plane model and the z‐axis model, are addressed to adapt super resolution to CT system. The improved iterative back projection algorithm is used in this work. Experimental results based on simulated data, GE performance phantom scanned by GE LightSpeed VCT system, one patient volunteer scanned by TOSHIBA Aquilion system, and a special experimental apparatus demonstrate that super resolution is effective to improve the resolution of CT images. The sinogram model is suitable for future CT system; the in‐plane model is restricted to some special clinical diagnoses; and the z‐axis model is practicable for current general clinical CT images. © 2015 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 25, 92–101, 2015     

基于改进超螺旋算法的永磁同步电动机控制

目的 为提高传统PID控制下永磁同步电动机在遇到负载突变、重载启动、频繁变速等外界条件变化时性能突变的问题,文中将超螺旋滑模引入电机控制中,以更好地应对外界条件的变化。方法 通过在原有的超螺旋滑模算法中,加入自适应比例项和积分项,使其获得更快的收敛速度和更强的鲁棒性。然后引入一种新的过饱和系数,来应对引入积分项所带来的超调问题。结果 在Matlab/SMULINK的仿真环境中,搭建所提方法的模型,并与传统的PID控制、超螺旋滑模控制以及比例项改进超螺旋滑模控制所搭建的模型做对比。结果表明,文中方法在遇到外界条件变化下,稳定性提高了33%～91%、快速性提高了27%～76%。结论 文中优化后的超螺旋滑模控制器有更高的鲁棒性和更快的快速收敛性,改善了系统的性能,能够有效应对负载突变、重载启动、频繁变速等问题,使应用文中所提方法的永磁同步电动机能够更加符合包装机的要求。     

基于背景杂波自适应预测的微小目标检测

本文主要研究基于图像的强空域杂波背景下微小目标检测.本文提出了一种新的基于邻域梯度差平方累积函数最小原则的背景杂波自适应预测算法.该算法能显著改善微小目标的信杂比(SCNR).试验证明,本算法相对于已有的多种算法,有着更好的性能.本文还引入了一种基于统计分析的快速检测算法,该算法能在较低的虚警概率情况下,获得更高的检测概率.理论分析及仿真表明,本文提出的检测系统在微小目标检测中,具有很高的实用性.     

电子全息高分辨率三维数值重现

对电子全息图进行计算机三维数值重现时,由于样品各层电子衍射的干扰,影响了纵向分辨率的提高。本文提出一种基于多能量电子全息图数值重现像叠加原理的新方法,可以提高电子全息数值重现纵向分辨率,从而实现真正的三维数值重现的含义。还通过计算机模拟研究的手段对该原理和方法的有效性进行了验证,得出了有价值的结果。     

双自适应噪声抵消算法的实现

为有效剔除噪声,提高信噪比,提出一种基于双自适应的噪声抵消算法,包括自适应子带分解算法和自适应噪声抵消算法两部分。采用子带分解与噪声功率谱密度匹配的方法来对信号进行非均匀子带分解,根据噪声在子带中的分布进行有效滤波,对低噪或基本上无噪的子带不滤波,而对其它子带采用自适应滤波的算法。仿真对比表明,与传统的均匀子带自适应噪声抵消相比,计算量大大减小,其滤波效果也得到一定的改善。     

新一代平面显像技术的发展动向

由索尼率先发展的超平面电视带来了前所未有的视听享受，配合日趋成熟DVD高画面处理，大大发挥了新一代电视的高水平表现。本文着重阐述了对JVC、夏普、菲利普等几款著名电视系统在发展平面显像管技术、内置崭新电路改进、新型梳形滤波器的应用、提高画面质量、改进音响效果、创新外形设计等方面的独特表现，揭示了新一代平面显示技术发展的新动向。     

Super Resolution Perception for Improving Data Completeness in Smart Grid State Estimation

The smart grid is an evolving critical infrastructure, which combines renewable energy and the most advanced information and communication technologies to provide more economic and secure power supply services. To cope with the intermittency of ever-increasing renewable energy and ensure the security of the smart grid, state estimation, which serves as a basic tool for understanding the true states of a smart grid, should be performed with high frequency. More complete system state data are needed to support high-frequency state estimation. The data completeness problem for smart grid state estimation is therefore studied in this paper. The problem of improving data completeness by recovering high-frequency data from low-frequency data is formulated as a super resolution perception (SRP) problem in this paper. A novel machine-learning-based SRP approach is thereafter proposed. The proposed method, namely the Super Resolution Perception Net for State Estimation (SRPNSE), consists of three steps: feature extraction, information completion, and data reconstruction. Case studies have demonstrated the effectiveness and value of the proposed SRPNSE approach in recovering high-frequency data from low-frequency data for the state estimation.