光滑逼近超完备稀疏表示的图像超分辨率重构

为改善单帧降质图像的分辨率水平,提出了一种新的基于稀疏表示的学习法超分辨率图像重构方法。针对信号在既定的欠定超完备字典下的非稀疏性问题,采用光滑的递减函数逼近L0范数以避免对稀疏度先验的依赖,从而实现待重构图像块的有效稀疏表示,同时通过梯度下降的迭代优化获得稳定的收敛解。与双立方插值相比,图像的三倍超分辨实验显示,图像峰值信噪比(PSNR)提高2dB,框架相似性(SSIM)改善0.04,重构图像剔除了更多的模糊退化及边缘伪迹。该方法适于单帧降质图像的超分辨率增强。     

正则化恢复联合稀疏表示的图像超分辨率重构

为改善强降质图像的分辨率水平,提出了一种正则化恢复联合稀疏表示的单帧图像超分辨率重构框架。为同时放大图像并抑制模糊及噪声,首先根据退化估计正则化平衡极小问题的逼近项和先验项,然后基于初步的锐利清晰图像和预先建立的图像超完备稀疏表示字典实现边缘保持的图像分辨率放大。正则化恢复的输出改善了传统学习法图像超分辨中低频分量的双立方插值版本,同时对降质的有效抑制降低了字典原子对退化信息的依赖性。实验结果表明,本方法可对模糊含噪的低分辨率图像实现有效的超分辨率重构。     

一种改进的视频序列超分辨率重建算法及应用

在凸集优化基础上,充分利用最大后验概率和凸集投影技术,提出了一种高效强鲁棒性视频序列分辨率提升算法。首先,在空域设计一个简单的预处理共轭梯度估计器,预测原始高分辨率图像;然后,在小波域分别创建帧间和帧内两个不同的凸集,并实施不同的投影运算,提取出隐含在相邻低分辨率图像中的细节信息;最后,利用空域估计器中相邻因子间的关系约束凸集投影解的可行域,保证快速获得图像重建的唯一最优解。仿真实验和实际交通监测系统应用结果均表明,该方法较其他方法不仅可获得更高的峰值信噪比和更好的可视化效果,而且收敛更快,鲁棒性更强。     

基于卷积神经网络的超分辨率失真控制图像重构研究

目的 解决超分辨率图像重构模型中存在的功能单元之间关联性差,图像色度特征提取完整性不强、超分辨率重构失真控制和采样过程残差控制偏弱等问题。方法 通过在卷积神经网络模型引入双激活函数,提高模型中各功能单元之间的兼容连接性;引用密集连接卷积神经网络构建超分辨率失真控制单元,分别实现对4个色度分量进行卷积补偿运算;将残差插值函数应用于上采样单元中,使用深度反投影网络规则实现超分辨率色度特征插值运算。结果 设计的模型集联了内部多个卷积核,实现了超分辨率色度失真补偿,使用了统一的处理权值,确保了整个模型内部组成单元的有机融合。结论 相关实验结果验证了本文图像重构模型具有良好可靠性、稳定性和高效性。     

频谱编码超分辨率成像分析与仿真

随着遥感图像分辨率需求的不断提高以及遥感卫星朝着小型化方向发展,超分辨率技术越来越受到重视。频谱编码超分辨率技术是近年来出现的新的超分辨率方法。它较传统的超分辨率方法而言,结构简单,且能实现较高的超分辨率倍数。频谱编码板是频谱编码超分辨率技术的关键部件。根据傅里叶光学理论展开分析,对频谱编码板进行了简单的设计,并对一维和二维频谱编码超分辨率方法进行仿真。根据仿真结果对影响因素进行了分析,并简要的提出了解决方案。     

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。     

彩色图像多尺度引导的深度图像超分辨率重建

为获得更优的深度图像超分辨率重建结果,本文构建了彩色图像多尺度引导深度图像超分辨率重建卷积神经网络。该网络使用多尺度融合方法实现高分辨率(HR)彩色图像特征对低分辨率(LR)深度图像特征的引导,有益于恢复图像细节信息。在对LR深度图像提取特征的过程中,构建了多感受野残差块(MRFRB)提取并融合不同感受野下的特征,然后将每一个MRFRB输出的特征连接、融合,得到全局融合特征。最后,通过亚像素卷积层和全局融合特征,得到HR深度图像。实验结果表明,该算法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。     

多正则化形式的超分辨率图像重建

为了抑制超分辨图像重建过程中的振铃锯齿效应,本文提出一种多正则化形式的超分辨率重建算法。文章首先给出了图像降质模型并推导出了图像重构约束项。利用重构项直接对低分辨率图像进行重建,获得的高分辨图像会有锯齿和振铃效应。针对此问题,本文利用自回归模型和滤波器组先验来正则化重建过程。自回归模型用来恢复图像局部细节描述,与此同时本文利用自然图像块的聚类集来估计自适应自回归模型参数。滤波器组先验用来约束重建图像的边缘,使得获取的高分辨率的图像边缘更加锐利。最后通过实验定性与定量的分析,证实了本文算法优于其他具有竞争力的算法。     

视频图像超分辨率增强技术

随着电子现象技术的完善以及人们欣赏水平的逐步提高,使得对视频图像的清晰度也就是分辨率的要求提高。根据前人的不断研究发现,通过观测模型的改进、图像超高配准、超分辨率的重建等相应的步骤与方法能够达到提高分辨率的目的。在这基础至少系统的总结这一技术的发展与应用,为今后的研究提供理论基础。     

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。     

基于邻域重构模型的高分辨SAR图像精确配准

合成孔径雷达(SAR)的成像过程使其高分辨图像的几何形变呈现局部性.针对高分辨SAR图像精确配准问题,本文提出一种基于邻域重构模型的局部转换函数.邻域重构模型首先采用重构系数刻画参考图像中每个像素点的几何位置;接着给出了一种重构控制点的选择标准使每个像素的配准误差达到最小;最后根据重构系数及控制点坐标对输入图像进行再抽样以实现配准.与经典分片线性映射相比,该模型从理论上给出了一种区域剖分准则:对于每个像素选取能使配准误差能达到最小的控制点作为重构控制点.对模拟数据和真实SAR图像进行了试验,结果表明,该模型能有效地提高配准精度.     

基于背景重构和水平集的多运动目标分割

针对固定摄像机监控中多运动目标自动分割问题,本文提出了一种基于背景差分和水平集的新方法.首先,该方法通过求解连续三帧图像的对称差分,确定出当前帧中的背景像素点,并对背景像素点的灰度值进行统计,最后选择频率最高的灰度值作为该点背景像素灰度值来重构背景.其次,提出了基于8-邻域搜索的区域生长算法完成连通区域的检测,并通过设置阈值和连通域分析,消除背景块噪声并标定出运动目标区域.最后,对所有运动目标区域块,分别采用无需重新初始化的水平集算法作分割,得到封闭和完整的目标轮廓.实验结果表明,该算法能实现固定摄像机滥控中刚体或非刚体的多运动目标的自动检测和轮廓分割.     

应用血管内超声与X射线造影图像融合的血管三维重建

针对X射线血管造影和血管内超声各自显示血管形态的局限以及互补性问题,提出将两种数据进行融合,准确重建血管的方法。首先从在超声导管回撤路径起点拍摄的两个角度的造影图像对中提取出导管并进行三维重建。然后采用基于snake模型的半自动方法从各帧超声图像中提取出血管壁的内外膜边缘。最后,在Frenet-Serret标架中确定各相邻帧超声图像间的相对方位后,利用非迭代的统计优化方法确定各帧超声图像沿导管轴向的绝对方位,完成两种数据的融合。采用临床数据的实验结果验证了算法的可行性,并分析了可能存在的误差和计算成本。