单帧低分辨率图像的SFMAP高分辨率重建算法

卫星图像的超分辨率处理是基础性和标志性的空间技术。一般情况下很难得到可供处理的一序列卫星图像,单帧图像的超分辨率处理尤为重要。我们提出由单帧欠采样的低分辨率噪音卫星图像重建高清晰卫星图像的最大后验概率估计(SFMAP)算法。通过插值生成多帧低分辨率图像族,模拟亚像元位移的低分辨率图像,参与空域迭代过程,以满足其空域代数方程组的超定问题,在一定程度上解开输入低分辨率图像的混叠,得到高分辨率重建图像。实际处理显示出较好的效果。     

一种基于正则化技术的超分辨影像重建方法

超分辨率影像重建已经成为近年来人们广泛研究的热点，利用超分辨率重建技术，可以得到分辨率高于原始影像的重建影像。为此，提出了一个利用多幅具有亚像素位移的低分辨率欠采样影像重建一幅高分辨影像的超分辨率重建方法。该方法利用正则化技术，通过迭代运算解求重建影像的最优解。在迭代过程中，得到的重建影像用于求解下一次迭代的正则化参数，不断的循环迭代，最后求解出重建影像的最优解。对Lena影像进行了处理，并用PSNR影像评价方法对重建影像进行了定量评价。实验结果证明，该方法能较大限度地减弱噪声对重建结果的影响，当重建比率较大时，仍可得到高质量的高分辨率重建影像。     

基于MAP技术的图像类推超分辨重建方法

在最大后验概率(Maximum A Posterior,MAP)的基础上,结合图像类推(Image Analogies,IA)思想,提出一种序列图像超分辨率重建方法--MAPIA (Maximum A Posterior Image Analogies).该算法先利用传统MAP方法将序列图像进行超分辨率重建,然后在序列图像中选取一帧图像与重建后的图像构造训练集合的图像对,学习它们之间的关系,利用图像类推技术进行超分辨率重建.实验证明文中方法不仅能有效提高图像的清晰度,而且较其它的方法,能得到边缘更加清晰、细节更加突出的重建图像.     

基于频域特征的图像深度信息提取方法

图像深度提取是机器视觉的重要课题。本文研究了一种基于图像频域特征的深度恢复方法,对散焦图像以点扩散函数建立模糊程度与距离间的关系,以二维散焦图像频域局部特征为依据,通过取样窗口的恰当选择,提取深度信息。对采集图像的实验结果表明,该方法行之有效。     

信息蒸馏与异构上采样的眼底图像超分辨重建

贫困地区的大规模疾病筛查主要依靠便携式手持摄像机和远程诊断来完成,这一过程获得的眼底图像往往质量较差,分辨率较低。针对这一问题,设计了一种基于信息蒸馏与异构上采样的轻量级超分辨网络。网络考虑到眼底图像与自然图像的区别,利用蒸馏特征对粗特征进行补足,然后以异构的方式将粗特征与深度特征分别进行上采样,最后集成两种上采样的特征得到高清眼底图像。从图像质量、参数内存和运行时间三个方面与先进的方法进行比较,在参数内存和运行时间成绩优异的同时取得了最高的图像质量,这为超分辨算法嵌入在手持眼底摄像机和普通医用设备上提供了思路。     

一种亚像元遥感图像的小波复原方法

为了复原在轨卫星拍摄的退化遥感图像,以达到精确的对地观测的目的,利用交错半个像素的"亚像元"图像进行交错采样,重建成分辨率更高的的网格,然后对新建出的空格点进行小波插值估计.对插值后图像的高频进行中值滤波,融合两幅错半个像元的图像信息,最后复原成一幅地貌信息更丰富、分辨率更高的遥感图像.试验的仿真图像证明了这种小波复原方法的有效性.     

基于频域、时域相结合的自适应图像超分辨率重建

基于最大后验概率(MAP)的超分辨率(SR)重建的研究重点是规则化项的选择,且其大都在频域中实现,为此提出一种基于频域、时域相结合的图像SR重建方法.首先,根据不同图像的特点,定义了频域规则化项(FR)和时域规则化项(TR);然后,给出了图像重建模型,引入频域、时域自适应权值来加强算法的自适应性;最后,运用共轭梯度法推导出重建迭代计算公式.实验表明,所提出的算法具有良好的收敛性和精确性.     

一种多幅欠采样图像的凸集投影超分辨率重建方法

介绍了一种由多幅欠采样低分辨率图像重建一幅高分辨率图像的凸集投影超分辨率重建技术。首先介绍了超分辨率空间域迭代重建方法中一个至关重要的因素--成像过程模型;其次通过介绍凸集投影的理论依据,给出了插值-模拟采样迭代超分辨率重建方法的模型和重建步骤;最后通过实验数据对算法进行了验证。     

空间自适应正则化超分辨率图像重建

超分辨率图像重建是一个病态问题,在重建过程中需要正则化处理,而正则化重建会引入正则化误差及重建过程中由于病态性而引入的噪声放大误差,且这两类误差均和图像的空间局部特性有关.提出根据图像的局部空间统计特性自适应控制超分辨率图像正则化重建算法,采用图像局部统计方差来区分图像棱边区域及平滑区域,在图像的棱边区域加强图像的约束重建,而在图像的平滑区域加强正则化.实验表明该算法能有效地减小重建误差,算法的信噪比得益优于传统的正则化重建算法及总变分模型重建算法,并且对正则化参数的选择具有一定的鲁棒性.     

基于稀疏表示的含噪图像超分辨重建方法

传统的含噪图像超分辨方法只能将图像去噪和图像超分辨分别进行处理,基于稀疏表示与字典训练的含噪声图像超分辨重建方法将两者融合在一起.提出一种基于图像块在训练字典下稀疏表示的协同处理方法,来解决含噪图像超分辨的问题.由于图像块可以由字典下的稀疏系数来表示,所以可训练一个分别适用于含噪低分辨率图像块和清晰高分辨率图像块的字典对,使得高低分辨率图像块在该字典对下具有相同的稀疏表示.当输入含噪低分辨率图像块时,先计算出其在低分辨率字典下的稀疏表示系数,然后利用此稀疏系数在高分辨率字典下进行重建,可得到清晰高分辨率图像块,最后通过整体优化完成清晰高分辨率图像,实现图像超分辨和图像去噪的目的.实验证明,采用局部自适应插值的方法放大低分辨率图像到中间分辨率再进行特征提取,比以往采用的双三线性插值的方法在重建图像质量上有提高,并通过研究字典λ参数的设置使得超分辨重建和去噪结果同时达到最佳,即在图像的视觉和质量上都具有较为明显的优势,具有很好的鲁棒性和有效性.     

一种频率域解混叠的CCD图像超分辨重建方法*

在不增大光学系统的焦距,也不缩小CCD 器件阵元的宽度的情况下,为了获得高分辨率的图像,对多幅具有互补信息的低分辨率图像进行研究。首先,把多幅具有互补信息的低分辨率图像通过傅里叶变换到频率域;接着,对频率域中高分辨与低分辨率图像之间关系进行建模,进而得到它们之间的关系;然后,通过对模型求解,得到高分辨率图像的频率值;最后,进行傅里叶反变换即可得到高分辨率图像。实验结果表明,该重建方法获得的高分辨率影像在视觉上比用任意一帧影像经过双线性插值获得的影像要清晰得多,与实际摄取高一倍的分辨率影像几乎达到一样。对b     

图像时域方向与频域方向的关系研究

方向滤波器组能够对图像进行不同子带的划分,各个子带图像代表不同的方向,在时域上面表现出不同的方向,但是方向滤波器组的方向划分主要是基于图像频域的划分。在利用傅里叶变换求幅度谱以及相应的功率谱的基础上,分析了图像边缘纹理时域方向与频域方向之间的关系,通过一序列公式进行推导并且用实例展示了图像边缘纹理时域方向与图像边缘频域方向有相互正交的关系。     

人脸图像超分辨率非线性算法

研究单幅人脸图像的超分辨率重构算法。采用马尔可夫网络模型描述重构机制,对输入的低分辨率图像,以及训练用高分辨率图像和对应的低分辨率图像进行分块,并使图像基本对齐,构造训练图像集。针对简化马尔可夫网络计算的需要以及训练集人脸图像的差异,在块坐标限位操作的基础上,提出了一种非线性样本搜索算法,降低了搜索空间复杂度,提高了匹配效率和相关性。算法利用搜索到的高分辨率图像分块样本,直接输出超分辨率图像。分析和实验证实,与传统学习算法相比,该文方法具有输出质量好、效率高的特点。     

基于小波稳健的超分辨率图像重建算法

针对超分辨率图像重建算法多存在计算量大、收敛稳定性不高且收敛慢的问题,提出一种基于小波稳健的正则化超分辨率图像重建算法。该算法利用小波变换生成初始图像,对重建图像的质量有明显提高。采用1-范式(L1)度量正则项,增强了算法的稳健性,通过导入自适应的正则参数提高了算法的效率。经仿真实验证明了算法的有效性。     

一种基于学习的非线性人脸图像超分辨率算法

提出了一种单幅人脸图像的超分辨率重构算法。该算法采用马尔可夫网络模型描述重构机制,对输入的低分辨率图像,以及训练用高分辨率图像和对应的低分辨率图像进行分块,并使图像基本对齐,构造训练图像集。针对简化马尔可夫网络计算的需要以及训练集人脸图像的差异,在采用块坐标限位操作的基础上,使用了一种非线性样本搜索算法,降低了搜索空间复杂度,提高了匹配效率和相关性。算法利用搜索到的高分辨率图像分块样本,直接输出超分辨率图像。分析和实验表明,与传统学习算法相比,该方法具有输出质量好、效率高的特点。     

基于马尔可夫网络人脸图像超分辨率非线性算法*

研究单幅人脸图像的超分辨率重构算法。采用马尔可夫网络模型描述重构机制,对输入的低分辨率图像,以及训练用高分辨率图像和对应的低分辨率图像进行分块,并使图像基本对齐,构造训练图像集。针对简化马尔可夫网络计算的需要以及训练集人脸图像的差异,在采用块坐标限位操作的基础上,提出了一种非线性样本搜索算法,降低了搜索空间复杂度,提高了匹配效率和相关性。算法利用搜索到的高分辨率图像分块样本,直接输出超分辨率图像。分析和实验证实,与传统学习算法相比,本方法具有输出质量好、效率高的特点。     

频域图像增强混合滤波算法及在作物缺素中的应用

针对目前常用的频域图像增强方法存在振铃现象、模糊效应与过度锐化,为突出图像的细节及边缘信息,保护图像原有的光滑区域灰度,提出一种新方法.利用低通和高通滤波器它们各自的优势,有选择性地对图像进行滤波处理,即对图像的高频和低频部分分别进行不同的系数增强.实验结果表明,该算法保持了图像的光滑区域灰度,改善了边缘区域的对比度,验证了该算法的有效性.针对作物缺素问题,运用不同滤波算法对采样图像进行处理后,对病斑部位采用相同的形状特征提取方法进行实验,实验结果表明,该算法突出了叶面纹络与褐色斑块,保持了样本图像的光滑区域灰度,有效改善了对病斑部位形状特征参数的提取效果,具有一定的可应用性.     

优化重构图像求解算法的新思路—四像元法

用投影重构图像技术,从医学CT到非破坏性工业测试的众多领域中都得到应用。常见的代数解法,卷积算法及滤波——逆投影法,计算相当繁琐。该文提出的方法,仅需做加（减）和除2运算,就可以在平行和聚焦的投影中,逐个得到像素的值。     

多方向模板变分模型的单幅图像超分辨率重建

目的 为了增强图像超分辨率重建的准确性,克服传统插值所产生的边缘模糊与边缘锯齿等负面效果,提出一种基于多方向模板变分模型的单幅图像超分辨率重建方法。方法 首先构建体现28个方向的多方向模板对输入图像的轮廓方向进行计算,同时通过将TV模型引入到图像轮廓的估计中来确定边缘轮廓的最优方向;在此基础上通过进行基于所提出的多方向模板的图像插值来实现图像的超分辨率重建。结果 对比基于活动轮廓的图像边缘插值方法重建的经典高分辨率测试图像,本文方法在平均峰值信噪比和平均结构相似度方面分别提高了1.578 dB和 0.030 02 dB。结论 本文方法可以有效地克服传统插值方法所产生的边缘模糊和边缘锯齿化等负面效果,也避免了较少方向模板所带来的边缘和纹理丰富区域的纹理失真现象,可以取得较好的重建效果。