基于预条件共轭梯度的超分辨图像重构方法

针对在航空航天遥感领域使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低和混频现象严重的问题，采用超分辨率图像重构技术融合从不同角度对同一景物重复拍照得到的多帧图像冗余信息，在相机参数已知的情况下重构出超分辨率图像，消除和降低了混频效应，同时提出了快速收敛的预条件共轭梯度最优化超分辨图像重构算法．模拟成像仿真实验从9帧低分辨／率欠采样图像重构得到了分辨率提高4倍的图像．     

一种基于混合遗传算法的超分辨图像重构方法

针对在航空航天遥感领域,CCD相机在对景物进行成像时,由于像元尺寸的限制,得到的图像分辨率低的问题,提出了采用混合遗传算法求解高分辨图像最优估计的方法．在相机参数已知的情况下用嵌入梯度算子的混合遗传算法从9帧由不同角度对同一景物重复拍照得到的低分辨率图像重构出1幅超分辨率图像．在模拟成像仿真实验中得到了分辨率提高4倍,信噪比优于共轭梯度方法的超分辨结果．     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时,由干像元尺寸的限制导致图像分辨率低的问题,提出了采用人工神经网络映射图像重构过程非线性特性的方法。在相机参数已知的情况下,用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息,重构得到较高分辨率的图像。在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果。     

提高航空图像分辨率的小波方法研究

航空图像由于CCD相机距景物较远，所以图像分辨率较低，为了获得较高分辨率的数字图像，传统的方法就是要对原数字图像进行插值放大。本文提出了一种基于二维离散小波的图像放大方法，与传统插值方法相比，此方法既放大了图像提高了分辨率，又保持了原始图像的细节特征。从实验结果看，此方法是一种较好的提高航空图像分辨率的方法。     

高分辨率计算集成成像自由视点光场重构方法

针对传统自由视点集成成像计算重构方法重构图像分辨率较低的问题,提出了一种基于光场模型的自由视点计算重构方法.根据视点位置和观看方向,采用光场投影矩阵将微单元图像阵列投影到重构平面上,充分利用微单元图像阵列中的信息,实现了高分辨率的自由视点集成成像计算重构.仿真结果表明,采用文中方法可以实现集成成像系统的自由视点计算重构,且重构图像的分辨率比传统方法重构图像的分辨率有了很大提高.     

基于图像的超分辨率三维几何建模技术

研究了三维空间中相机标定与二维空间中图像配准的关系,以此作为结合点,建立了基于图像的超分辨率三维几何建模技术的理论框架,探讨了基于多帧图像的超分辨率三维几何建模技术。将基于图像的三维几何建模技术和超分辨率图像重构技术相结合,同时得到了高分辨率图像和高分辨率的三维几何模型,为后续的图像处理、目标识别与跟踪和虚拟现实等实际应用奠定基础。     

基于柱透镜光栅的虚模式下一维集成成像显示特性

针对柱透镜光栅的分光特性,构建了虚模式下一维集成成像系统的显示平台,对显示分辨率、观看视角和重构图像深度三个表征显示特性的参数进行了系统分析,并在此基础上,提出了一种一维集成成像显示过程中观看视点图像的计算机模拟重构方法,该方法利用光在柱透镜中的传播规律,依次计算观看视点在每个柱透镜中所看到的图像信息并最终合并成一幅视点图像。实验结果表明,计算机模拟重构的视点图像与显示平台的显示效果完全吻合,可以真实描述一维集成成像的显示过程,分析得到的显示特性参数可以作为一维集成成像系统设计的理论依据。     

虚拟现实的多分辨率显示在机械工程中的应用

虚拟现实的多分辨率显示是对景物的细节程度的刻画．在虚拟现实浏览中,随着观察方向与位置的不同,图像模型需要不断的重新构建,运用多分辨率显示技术可以实现其效果,进而大大减少了图像模型的构建次数．     

一种综合景物垂直性约束的自定标算法

考虑到建筑物中普遍存在的平面正交性，将其作为相机自定标的新约束，该约束条件和以往基于相机的约束条件相结合可以使得所求解的绝对二次曲面的欧式特性得到满足，所重建的三维景物更符合实际。该方法的有效性在仿真数据和真实图像实验中得到验证。     

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。     

辐射保真的红外遥感图像超分辨率重建

为了解决红外遥感图像超分辨率重建与辐射定标精度保真之间的矛盾,结合正则化超分辨率重建理论,建立了基于二阶总广义变分的超分辨率重建模型。 通过分析重建模型的特点,引入交替方向乘子法进行数值求解;重建过程利用双边滤波器原理,将图像的高低频信息分离;针对分离后高频信息图像进行重建处理,将低频信息图像与重建后的高频信息图像融合达到超分辨率的目的。 利用风云四号气象卫星得到的真实红外图像进行实验验证和定量化分析,表明该方法对辐射定标精度的影响要小于常规意义下的超分辨率重建的影响。     

采用后验信息构建稀疏原子库的超分辨率人脸重建

为了提高监控噪声环境下人脸图像的重建质量,提出基于后验信息的鲁棒性原子库构建方法及基于该原子库的超分辨率的方法,通过事后采集现场图像,训练只对输入图像的清晰内容稀疏而对噪声内容不稀疏的低维原子集和与之相对应的高维原子集,计算低维空间的稀疏系数并映射到高维空间以合成出重建人脸图像,从而提高基于稀疏表示的局部脸超分辨率对于监控噪声的鲁棒性.实验结果表明:对于实际拍摄的监控图像输入,提出的基于后验信息的原子库具有很好的鲁棒性能,重建结果比传统方法有更好的主观效果.     

方向字典子图的初始邻域嵌入重构

邻域嵌入超分辨率重构算法在空间邻域选取过程中,细节特征易被大幅度特征分量淹没,为此,提出了基于方向字典子图的初始邻域嵌入重构算法.对输入图像及邻域利用方向字典进行稀疏分解,从大、小幅值表示系数中分别重构大、小幅度特征子图,保护邻域计算中的小幅度特征;同时,为降低多子图重构的运算量,通过随机森林机制,将输入图像在分类树森林中对应叶子节点图像子库的并集作为初始邻域,减小实际参与运算的图像库大小.实验结果表明,相对于邻域嵌入超分辨率算法,基于方向字典子图的初始邻域嵌入重构的峰值信噪比值平均提升了1.0959 dB,有效改善了重构效果;重构时间仅为邻域嵌入超分辨率的13.3%,降低了重构复杂度.     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

基于学习的马尔科夫超分辨率复原

针对最大后验概率(MAP)算法对图像边缘和细节保持能力不强问题,在传统马尔科夫模型算法的基础上,提出将MAP算法与凸集投影法(POCS)相融合的算法,将MAP算子当作凸约束集引入POCS算法里,这样可继承两者的优点。实验验证了算法的有效性,与传统学习算法相比,具有更好的图像复原效果。     

Super-Resolution Image Reconstruction Based on an Improved Maximum a Posteriori Algorithm

A maximum a posteriori (MAP) algorithm is proposed to improve the accuracy of super resolution (SR) reconstruction in traditional methods.The algorithm applies both joints image registration and SR reconstruction in the framework,but separates them in the process of iteratiion.Firstly,we estimate the shifting parameters through two low resolution (LR) images and use the parameters to reconstruct initial HR images.Then,we update the shifting parameters using HR images.The aforementioned steps are repeated until the ideal HR images are obtained.The metrics such as PSNR and SSIM are used to fully evaluate the quality of the reconstructed image.Experimental results indicate that the proposed method can enhance image resolution efficiently.     

一种基于核主成分分析的图像超分辨率算法

测试样本和训练样本集的匹配是基于学习的超分辨率算法中关键问题之一。本文方法通过将低分辨率的观察样本映射到高维的核空间中,实现测试样本和训练样本集的准确匹配,避免了基于学习的超分辨率算法中错误匹配问题,提高生成图像的质量。该算法包括:测试样本对训练样本集进行核主成分分析(kernel principal components analysis, KPCA); 利用距离约束算法得到在输入空间中的原像;最后将新生成的图像块进行重组,得到高分辨率的图像。在USPS数据集上进行的实验验证和对比分析表明：基于KPCA的图像超分辨率方法能够取得较好的超分辨率效果。     

基于稀疏表示与矩阵填充的多帧超分辨率图像重建

针对现有算法在通用图像分辨率要求较高时重建效果不稳定的问题,提出一种基于稀疏表示与矩阵填充的多帧超分辨率图像重建算法.对自然图像库进行训练建立过完备词典对,并将低分辨率图像分成若干图像块,根据局部先验约束建立稀疏表示模型,通过线性规划的方法求得过完备词典对下图像块的稀疏系数;利用多帧图像序列的相似性,采用非精确增广拉格朗日乘子法对全局约束构建的观测矩阵进行矩阵填充和矩阵恢复,最终获得高分辨率图像.实验结果表明,与其他主流算法相比,重建后的图像保留了更丰富的图像边缘与细节信息,不会过于平滑而导致图像模糊,并且不易受过完备词典选择范围的影响,具有较好的稳定性和更高的峰值信噪比,可应用于遥感图像超分辨率重建等图像应用领域.