图像超分辨率重建算法综述

介绍了超分辨率重建的基本原理与数学模型,对现有的图像超分辨率重建算法进行了总结.将当前的超分辨率算法分为基于重建约束的方法和基于学习的方法两大类,分别阐述了超分辨率重建技术的经典方法,最后指出了低质量图像超分辨率技术进一步的研究方向.     

基于坐标注意力机制的人脸图像超分辨率重建算法

针对传统的人脸超分辨率图像重建技术,人脸特征信息提取与恢复中存在特征丢失的问题,文中提出了一种基于坐标注意力机制的IP-FSRGAN人脸图像超分辨率重建算法,以帮助生成器学习到更多的人脸特征信息并合成更真实的超分辨率人脸图像。在放大倍数为4时,采用LFW数据集测试模型性能。实验结果显示,该方法与IP-FSRGAN相比,PSNR提升0.14%,SSIM提升0.59%,Y通道PSNR提升2.43%,SSIM提升0.38%,在定量上均优于SRGAN、ESRGAN、IP-FSRGAN等人脸重建方法。实验证明,文中所提基于坐标注意力机制的IP-FSRGAN人脸图像超分辨率重建算法在人脸超分辨图像重建上具有良好的有效性。     

基于在线字典学习的人脸超分辨率重建

针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和求解重建稀疏系数阶段的λr,以获取最优的超完备字典和稀疏系数用于图像重建。实验结果表明,目标图像峰值信噪比比同一类型的稀疏编码超分法平均提高了0.85 d B,结构相似性增加了0.013 3,有效地抑制了噪点和伪影。在含噪人脸图像应用中,噪声水平提高时,峰值信噪比下降相对较平缓,提升人脸超分效果的同时改善了算法的噪声鲁棒性。     

基于稀疏编码的鲁棒型人脸超分辨率重建

为了减少人脸超分图像的边缘伪影和图像噪点,利用基于稀疏编码的单幅图像超分辨率重建算法,在字典学习阶段,结合L1范数引入在线字典学习方法,使字典根据当前输入图像块和上次迭代生成的字典逐列更新,得到更加精确的超完备字典对,用于图像重建.实验中进行的仿真结果表明,改进算法超分结果的峰值信噪比(PSNR)和结构相似性(SSIM)比同类型的稀疏编码超分法(SCSR)和应用在线字典学习算法的超分方法(ODLSR)均有较大幅度提升,比后者平均提升0.72 dB和0.0187.同时,视觉上有效地消除了边缘伪影,且在处理含噪人脸图像时,具备更强的去噪能力和更好的鲁棒性.     

基于Contourlet变换的人脸图像超分辨率技术研究

采用Contourlet变换,对基于学习的人脸图像超分辨率技术进行了研究.为了表示人脸特征,首先建立了Contourlet金字塔,针对Contourlet变换特征存在的不足,采用Contoudet变换的方向滤波器(DFB)对高斯金字塔的一阶和二阶梯度特征进行方向滤波,提取滤波后的特征作为新增加的特征.然后针对人脸的特殊性,在匹配过程中采用对应点进行匹配的方法,既保持了匹配的准确性又加快了匹配速度.最后采用最小欧式距离进行最优匹配的选择,对该距离进行判断.针对不同的距离采用不同的复原方法.实验结果表明,本文算法复原出的超分辨率人脸图像具有更好的视觉效果,更逼真、更接近于原始高分辨率图像.     

基于小波的图像超分辨率重建算法研究

在遥感图像、医学图像等领域，最初获得的图像分辨率往往达不到期望的水平。图像的超分辨率重建就是在低分辨率图像基础上重建出高分辨率图像的技术。针对已有重建算法中的不足，给出一种将高频能量适当降低的SHR重建算法；并进而针对高频细节不能高质量重建的问题，利用小波反变换对高频信息进行重建，提出了一种基于小波高频重建的图像超分辨率重建算法——SHW算法。实验证明，这两种算法的性能比已有图像超分辨率重建算法均有不同程度提高。     

基于局部约束的人脸图像超分辨率重构算法

基于超完备稀疏表示理论,并根据人脸图像的特征,提出一种基于局部约束的人脸图像超分辨率重构算法。该算法首先通过样本训练出一对高、低分辨率相关联的冗余字典;再根据局部范围内人脸图像的相关性,重构出高分辨率图像;最后对图像进行全局优化。为验证算法的有效性,本文利用ORL标准图像库进行了对比实验,实验结果表明,该算法能够有效提高峰值信噪比,同时能够更好地恢复人脸图像的高频信息,有一定的实用价值。     

太赫兹图像的超分辨率重建

太赫兹波相对于光波和红外而言,波长较长,因此太赫兹成像系统的空间分辨率较低.为了在一定程度上提高太赫兹图像的分辨率,提出了一种超分辨率重建方法.该方法基于深度学习,在原有残差结构上进行改进,加深了网络结构.对太赫兹图像进行训练,拟合低分辨率和高分辨率图像之间的映射关系,能够实现在单个网络中同时处理多个尺度的超分辨率图像.实验结果表明,相对于一些传统的超分辨率重建方法,本方法在量化指标和视觉效果上都有一定程度的提升,且处理速度相对较快,能够满足安检系统中实时处理的要求.     

基于Contourlet和改进牛顿插值的图像超分辨率重建

通过研究现有图像超分辨率重建算法原理,针对其不足,提出了一种基于Contourlet轮廓波和改进牛顿插值算法的图像超分辨率重建方法.该算法首先对原始图像进行Contourlet变换,然后对高频分量做多方向的改进牛顿差值计算,最后进行小波逆变换得到更加清晰的高分辨率图像.实验结果表明,该算法比传统插值算法和小波插值算法具有更好的视觉效果,并且拥有更高的信噪比和结构相似性.     

一种基于先验生成对抗网络的人脸超分辨率重建方法

针对人脸超分辨率算法中图像失真大、缺乏细节特征等问题,提出了一种基于先验知识的人脸超分辨率重建模型。通过在超分网络中加入纹理辅助分支,为重建过程提供额外纹理结构先验,以生成精细的面部纹理,恢复高分辨率纹理图。同时引入级联叠加模块对纹理辅助分支进行反馈。设计特征融合模块,将纹理特征图与超分分支特征图融合,获得更好的纹理细节;将纹理损失融入损失函数,以提高网络恢复纹理细节的能力。4倍放大因子下,该方法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)、结构相似性指数(Structural Similarity Index, SSIM)比现有方法至少提升1.082 5 dB和0.036,无参考图像质量评价(Natural Image Quality Evaluator, NIQE)至少降低1.690 2;8倍放大因子下,该方法的PSNR与SSIM值分别至少提升0.787 5 dB和0.046 85,NIQE值最小降低3.92。     

基于提升小波双正则化超分辨率算法

基于已有算法的不足,提出了双正则化约束算法。该算法引入图像平滑性约束和点扩散函数平滑性约束,进一步缩小了重建的解空间。在提升小波域上实现算法求解,减少了算法的运算量,加快了迭代收敛速度,降低了对图像平稳性的要求。实验结果表明,该算法能有效地重建超分辨率图像。     

基于边缘保持的POCS超分辨率图像重建

针对常规的POCS超分辨率图像重构算法导致的边缘模糊问题,文章分析重建后高分辨率图像边缘模糊形成的原因,提出了基于边缘保持的插值算法,用基于梯度的插值算法来获取POCS的初始值,实验结果表明,该方法能够明显地提高重建图像的边缘质量。     

基于改进IBP算法的图像超分辨率重建

针对传统IBP算法存在对图像细节获取能力差,重建图像清晰度不高的问题,提出一种改进方法.该方法利用小波包图像融合技术,获取所有低分辨率图像高频绝对值最大的值,与均值低频进行小波包重建,得到重建低分辨率图像.以该图像为参考图像,进行迭代反投影,获得高分辨率图像.改进后的算法增加了迭代反投影方法对高频信息的获取能力,提高了...     

一种改进的超分辨率算法

利用多帧低分辨率图像重建一幅高分辨率图像成为迫切需要解决的难题,传统基于插值的超分辨率算法的发展受到了限制。本文基于重建方法,根据低分辨率图像帧间运动参数,提出了合理的权重分配算法。实验结果表明,图像超分辨率重建取得了良好效果。     

L1范数的图像超分辨率重建改进算法

介绍了超分辨率图像重建的数学模型和基于L1范数的超分辨率重建算法。针对在所观察到的低分辨率图像不足情况下的超分辨率重建,在L1范数重建算法框架下,提出了一种新的代价方程,在其中增加了关于丢失的低分辨率观察信息的保真度项和正则化项。该方法同时对高分辨率图像和丢失的观察信息进行迭代估计,并利用交替最小方法求解。实验结果表明,在获取低分辨率图像较少的情况下,提出的算法能够有效地改进重建的结果。     

基于匹配追踪的ISAR超分辨成像方法

稀疏信号表示在与信号结构匹配方面具有很大的灵活性,可以用于逆合成孔径雷达(ISAR)成像.目前常用的算法基寻踪法和FOCUSS法都是并行算法,计算量很大.而匹配追踪法是一种逐步选取基函数的算法,计算量小.因而是一种更有效的成像算法.对于仿真和真实ISAR雷达数据,匹配追踪法得到的图像分辨率大大高于传统的傅里叶变换方法.故表明匹配追踪法是一种有效的ISAR超分辨成像方法.     

基于矩阵束算法的多雷达信号融合超分辨成像

利用多雷达回波信号对目标进行融合成像可以有效提高分辨率.本文实现了一种多雷达融合联合超分辨成像算法,该方法基于单雷达观测数据指数和模型,建立了联合的多雷达观测数据模型,并将雷达二维成像的矩阵束算法引入到多雷达观测融合成像中,利用多雷达观测数据估计散射中心的参数,有效提高了分辨率.仿真实验表明,该算法有效提高了雷达成像的分辨性能,有利于后续的目标检测与识别.     

基于压缩感知的二维联合超分辨ISAR成像算法

在ISAR成像中,距离和方位分辨率分别受发射信号带宽和成像积累角的限制。基于压缩感知(CS)理论,该文提出了一种2维联合超分辨ISAR成像算法。首先建立ISAR观测信号模型并构造2维超分辨字典,然后利用ISAR图像的稀疏先验信息将2维联合超分辨成像建模为最小l1范数的优化问题,最后提出一种快速算法求解该优化问题。该方法进行距离维和方位维的联合处理,有效利用了回波数据的2维耦合信息;通过共轭梯度(CG)运算,快速傅里叶变换(FFT),Hadamard乘积等操作,有效提高了算法的实现效率。仿真和实测实验验证了该算法的有效性。     

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。