超分辨率重构复眼成像技术的研究进展

超分辨率图像重构复眼成像将超分辨率重构技术与复眼成像技术相结合。复眼成像系统获取低分辨率图像,超分辨率重构算法计算获取高分辨率图像。总结了超分辨率图像重构复眼成像的研究现状,介绍了复眼图像超分辨率重构的基本原理和现阶段主要成像系统。结合成像模型角度,分析了常用的复眼图像超分辨率重构算法,以及定量测试评价与视觉角度评价的主要方法。为深入研究超分辨率图像重构复眼成像提供了参考。     

一种改进的IBP超分辨率重构算法

低分辨率图像的信噪比(SNR)和图像之间的配准误差对超分辨率重构效果的影响是该技术应用在遥感领域的瓶颈.本文针对图像信噪比对超分辨率重构的影响,对IBP算法进行了改进.实验表明,改进的IBP算法收敛速度快,相对于传统的POCS与IBP算法,它对低信噪比低分辨率图像的重构具有更好的效果.     

复眼图像超分辨率重构的噪声分析与消除

分析了复眼图像超分辨率重构结果图像中噪声来源及主要表现形式,为优化重构结果,提出一种基于Wiener-Butterworth(W-B)滤波器的重构噪声消除方法。通过叠加不同数量高斯噪声的低分辨率图像重构实验,研究了该滤波器对算法引入噪声和原始图像噪声的滤除效果,并在频域对实验结果作了相关分析;验证实验验证了该滤波器在噪声类型和大小均未确定时改善图像质量的有效性。实验结果表明:针对算法引入噪声,该滤波器使重构结果的PSNR提高4 d B;当施加均值为0、方差为0.01的高斯噪声时,滤波后重构结果 PSNR提高6.9 d B。W-B滤波器能有效消除复眼超分辨率重构图像中的噪声和方块效应、振铃效应和梳边效应,改善重构图像质量。     

联合运动估计与基于模式的超分辨率图像重构

超分辨率图像重构是利用关于同一场景的多帧低分辨率图像重构出一幅具有更高分辨率图像的过程.已有的超分辨率图像重构算法对于人工模拟所得到的低分辨率图像序列具有很好的效果,但对于拍摄到的真实低分辨率图像序列而言,重构后的图像往往比较模糊,有时甚至仍然无法分辨.为此,本文提出了一个联合运动估计与基于模式的超分辨率图像重构算法.实验结果表明,该算法能够得到优于常规算法的高分辨率图像.     

POCS超分辨率图像重构的快速算法

超分辨率图像重构是将多帧低分辨率图像重构成一幅高分辨率图像的过程。由于其求解是一大型病态求逆问题，计算量随着放大倍数的增加而急剧上升，如何降低计算复杂度是超分辨率成像所面临的一个急需解决的课题。提出了一个基于PoCs的高分辨率图像重构的快速算法。其原理是利用各低分辨率图像之间位移的关系将所有的低分辨率图像进行重组，然后对每个组进行PoCs超分辨图象重构。实验结果表明。该快速算法较大地提高了超分辨图像重构的速度。     

数字域斜模态时间延迟积分技术

为了实现遥感图像超分辨目的,提出数字域斜模态时间延迟积分(Digital Domain Tilting Model Time Delayed and Integration,DT-TDI)技术。对技术过程所涉及的数字域TDI技术、倾斜采样成像理论、数字域斜模态TDI技术等分别进行分析与研究。首先,构建通用的数字域TDI模型。之后,利用倾斜采样成像思想,构建适用于不同倾斜角度下的DT-TDI模型。然后,以45°倾角对模型进行实验验证,获取该角度一定姿轨条件下的序列低分辨率图像。最后,通过超分辨算法对具有亚像素位移的低分辨率图像序列进行超分辨重构,获取高分辨率图像。实验结果表明,DT-TDI技术可在不同倾斜模态下进行稳定成像,45°倾角时获取的低分辨率图像亚像素位移误差约15%,基本满足超分辨重构需求。重构后图像分辨率明显提升。     

多孔径压缩编码超分辨率大视场成像方法

多孔径成像是一种融合了仿生复眼视觉的新型成像方法,具有小型化、大视场、高分辨率等多种优势,但由于每个子孔径对应的单元图像分辨率过低,导致其成像质量和视场角的提升十分有限。为了进一步提高成像分辨率和探测视场,基于压缩感知理论设计随机编码模板,并紧贴子孔径放置对入射光场进行调制,通过单次曝光记录编码后的低分辨率单元图像阵列,利用稀疏优化算法,重构所有低分辨率单元图像获得超分辨率大视场图像。理论分析和仿真实验证明了该方法的有效性。该方法不仅能兼顾大视场高分辨率成像,而且大大缩小系统等效焦距,具有薄层结构,体积小而重量轻,可为微光机电一体化系统的研制设计提供借鉴。     

基于分布式压缩感知算法的超分辨率成像技术

为解决超分辨率成像技术中图像数据传输与重构效率较低等问题,提出基于分布式压缩感知算法研究新的超分辨率成像方法。首先,基于压缩感知算法压缩成像编码孔径,构建分布式压缩感知编码孔径模型,采用多值模板设计编码孔径;其次,基于IOMPI算法重构超分辨率图像。最后,采用空间光调制器对行、列分布的图像子块进行多次压缩感知采样测量,进行、列两种方式图像重构,取其均值为最终重构图像。实验结果表明:基于分布式压缩感知算法的超分辨率成像技术有效缩短图像重构用时最短为9.06 s,提高了重构效率,重构的图像信噪比在0.75以上,细节清晰、无模糊现象。     

基于投影的单幅图像超分辨率重构算法

利用矩阵的Kronecker积,将现有的向量式成像模型转化为等价的矩阵式成像模型.基于新的矩阵式成像模型,提出了由高分辨图像构成的全空间到超分辨重构问题的解流形的投影算子,利用该算子可以直接得到超分辨重构结果.给出了理论分析.实验结果证实,所提算法能有效地改进超分辨率重构效果,对于标准Lenna图像,其峰值信噪比(PSNR)较双线性插值法和B-样条插值方法提高2.5dB以上,相对于其他算法也有不同程度的改进.     

数字图像空间分辨率改善的插值--模拟采样迭代方法

在遥感图像和计算机视觉的一些应用中,需要从已有的一些低分辨率图像来获得更高分辨率的图像.已有一些方法都是针对大小完全相同和图像之间不存在局部的几何畸变(或假设如此)的图像,而对从大小不同或分辨率不同的图像和图像之间存在相对的几何畸变等更普遍存在的实际图像来重构更高分辨率图像的问题未加涉及.本文用从带限信号的非均匀采样进行信号重构的迭代方法和凸集投影方法出发,导出了一种应用范围更加广泛的从多幅空间分辨率低的图像重构更高空间分辨率图像的一般性空间域插值-模拟采样迭代方法,并提出了凸集投影的变权迭代解法.该迭代方法可以对付图像之间存在相对的几何畸变、辐射亮度差异、空间分辨率差异及图像存在噪声等情形.实验表明,该迭代解法具有很好的收敛性和很好的收敛效果.     

基于小波域的压缩感知超分辨率重建方法

为了提高超分辨率图像的重构效果,提出了一种基于小波域的压缩感知超分辨率重建方法.首先采用小波变换对低分辨率图像进行分解,得到低分辨率图像的低频子带与高频子带,然后采用压缩感知技术分别对低频子带和高频子带进行重建,并通过小波逆变换得到最终重建图像,最后在MATLAB 2012平台上进行仿真实验.结果表明,相对于其他图像重建方法,本文方法的重建图像视觉效果更加理想,不仅提高了低分辨率图像重建精度,而且提高了图像重建效率,可以满足图像处理的实时性、在线性要求.     

基于稀疏K-SVD的单幅图像超分辨率重建算法

图像的超分辨率重建技术可以提升图像质量,改善图像视觉效果,在现实中具有很高的实用价值。针对基于K-SVD的超分辨率重建算法的不足,本文提出一种基于稀疏K-SVD的单幅图像超分辨率重建算法。首先,采用稀疏K-SVD方法进行训练获得高低分辨率字典对,以待重建的低分辨率图像及其降采样作为字典训练的样本,提高了字典和待重建的低分辨率图像的相关性;然后,采用逐级放大的思想进行重建;最后,利用非局部均值的方法,进一步提高重建效果。实验表明,与基于K-SVD的超分辨率重建算法相比,本文算法重建图像的峰值信噪比平均提高了0.6dB左右。重建图像在视觉效果上,也有一定程度的提升。     

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.     

基于全变差重构算法的数字全息研究

为了消除传统算法对数字全息重构过程中会出现0级像、共轭像干扰的问题,将压缩感知理论与数字全息图再现相结合,提出了基于全变差的两步迭代收缩阈值重构算法（TwIST）,并应用于数字全息图压缩感知全息图重建。 TwIST算法根据重构成分的特点增加正则约束,对相应的形态进行调整,在满足全变差最小的特性的基础上进行重构,提高了重构全息图的质量。结果表明,TwIST算法可以对数字全息图稀疏重建,利用35%的部分全息图数据进行图像重构,重构图像峰值信噪比为36.46dB,且没有0级像和共轭像等干扰。该研究结果对实现计算全息的实时性具有重要的意义。     

多基地SAR线目标参数反演与图像重建

传统单基地SAR成像系统基于点目标模型且观测视角单一,在对复杂场景成像时存在线目标边缘不连续,特征丢失等现象。针对这一问题,本文提出了一种多基地SAR构型下线目标参数反演与图像重建方法。该方法基于几何模型与散射理论推导了线目标的合成孔径雷达回波的参数化表达式,分析了在不同观测角度下对线目标的SAR成像结果从直线段到两端点反复变化的特点,并从空间谱采样的角度解释了这一现象,在此基础上根据线目标空间谱的特征,提出了一种基于最小二乘估计的多基地构型下线目标参数反演与图像重建方法。仿真实验结果表明,在相同的峰值信噪比条件下,本文提出的多基地SAR线目标参数反演与图像重建方法,相对于单一观测角度的单基地SAR具有更优的反演性能,在SAR图像的峰值信噪比为28dB时,线目标朝向与长度的反演误差在10％以内的概率达到了84％,可以基于反演结果实现图像的重建。      

Down-scaling for better transform compression

The most popular lossy image compression method used on the Internet is the JPEG standard. JPEG's good compression performance and low computational and memory complexity make it an attractive method for natural image compression. Nevertheless, as we go to low bit rates that imply lower quality, JPEG introduces disturbing artifacts. It is known that, at low bit rates, a down-sampled image, when JPEG compressed, visually beats the high resolution image compressed via JPEG to be represented by the same number of bits. Motivated by this idea, we show how down-sampling an image to a low resolution, then using JPEG at the lower resolution, and subsequently interpolating the result to the original resolution can improve the overall PSNR performance of the compression process. We give an analytical model and a numerical analysis of the down-sampling, compression and up-sampling process, that makes explicit the possible quality/compression trade-offs. We show that the image auto-correlation can provide a good estimate for establishing the down-sampling factor that achieves optimal performance. Given a specific budget of bits, we determine the down-sampling factor necessary to get the best possible recovered image in terms of PSNR.     

基于压缩感知的医学图像采样新方法研究

压缩感知基于信号的稀疏性或可压缩性,能够以低于奈奎斯特采样率的频率进行采样,从而直接获得压缩后的采样信号。本文将压缩感知的思想应用于医学图像,对已获得的图像进行压缩采样,以降低医学图像的存储空间。基于正交匹配追踪思想,提出分块双阈值正交匹配追踪方法,根据图像不同区域信息量的不同,采取分块处理并加入采样阈值,针对不同子图像块采取不同采样率,提高了采样效率;同时,在重构时加入判断阈值,可降低重构效果对采样阈值的依赖,减小了由于图像的特殊性或人为经验不足而使得采样阈值选取不当对图像重建质量的影响。实验表明,本文方法能够以较低的采样率实现较高的重构精度。     

一种混合红外云图超分辨率重建算法

红外云图具有分辨率较低、图幅大和纹理丰富等特点。针对相关研究目前在算法效率优化和局部细节分析方面仍有不足,提出了一种混合超分辨率重建算法。该方法结合双三次插值重建方法和基于稀疏表达的重建方法在不同类型图像区域中的各自优势,利用方差将滑动窗口中的图像块区分为平坦和边缘两种类型;采用双三次插值方法重建平坦型图像块,采用基于稀疏表达的方法重建边缘型图像块。利用目视、峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)以及残差图评估了算法效果。实验结果表明,本文方法在PSNR指标上比插值法平均提高了1 dB,比稀疏法也略有提升;经局部观察发现,改进重建结果中平坦区域噪声减少;该方法的重建耗时明显减少。     

基于双频带预测的高光谱压缩感知重构算法

为改善高光谱压缩感知的重构质量,提出基于双频带预测的高光谱重构算法。引入K均值聚类算法自适应地完成频带分组,并确定各组组内的双参考频带;再建立双频带预测模型获得预测图像;最后,在预测图像的基础上采用修正重构和加权融合方式,实现图像的高精确度重构。结果表明：在相同采样率下,该方法的重构图像的峰值信噪比(PSNR)和结构相似性(SSIM)明显优于已有的重构方法。     

一种分块自适应压缩感知图像重构算法

CS理论中,在离散余弦变换下使用OMP算法重构图像时需要较高的测量值可以获得较好的重构效果,但是存在重构图像模糊的问题.为此,提出了基于离散余弦变换的图像分块自适应正交匹配追踪(BAD-OMP)算法.基于分块压缩感知技术,对图像进行均匀分块处理,根据图像块稀疏性进行自适应采样,再用均值滤波算法平滑处理,从而减少重构所需的测量值,降低块效应.仿真结果表明,采样率取0.1 ～0.35 时,BAD-OMP算法重构图像的PSNR值较OMP算法的PSNR值高9～1 1 dB,实现了在低采样率下获得较高的重构质量.