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。     

基于改进生成对抗网络的红外图像超分辨率重建

由于硬件成本和拍摄条件等限制,很难直接获取高分辨率红外图像。生成对抗网络可以实现红外图像的超分辨率重建,但仍存在训练不稳定,训练时不收敛等不足。针对这些问题,本文使用Wasserstein距离代替KL散度,结合图像间的欧式距离构造新的损失函数,优化原有网络结构和算法流程,使网络更准确地学习低分辨率图像与重建图像的对应特征映射关系,网络训练更加稳定。实验结果表明,重建图像的边缘过渡平缓,目标细节得到有效保证,并获得了更好的客观评价结果。     

基于改进生成对抗网络的单帧图像超分辨率重建

为了获得更好的图像超分辨率重建质量,提高网络训练的稳定性,对生成对抗网络、损失函数进行研究.首先,介绍了SRGAN和DenseNet,并设计了基于DenseNet的生成网络用以生成图像,且将子像素卷积模块加入到DenseNet中.接着,移除了原本DenseNet中冗余的BN层,提高了模型的训练效率.最后,介绍了SRGA...     

基于轻量化生成对抗网络的遥感图像超分辨率重建

针对ESRGAN模型复杂度高、特征提取与表示性能欠佳的问题,提出了一种基于轻量化生成对抗网络(Light weight Generative Adversarial Network, LwGAN)的遥感图像超分辨率重建算法。该算法以改进残差密集模块(Improved Residual Dense Block, IRDB)为基础块构建生成网络的高阶特征提取部分,提取了丰富的多样化特征,同时建立了特征的通道及长距离位置关系,在降低模型参数量的同时提升了模型的特征提取与表示性能。通过在UC MERCED和NWPU-RESISC45数据集上的实验结果表明,与ESRGAN相比,LwGAN获取了更大的峰值信噪比和结构相似度,显著提升了遥感图像的超分辨率重建性能,可视化结果表明重建图像恢复了更多的纹理细节信息,同时模型参数量仅为原始ESRGAN的约三分之一,大幅地提高了模型的运行效率,为后续遥感图像的分析处理奠定了基础。     

单帧图像超分辨率重建的深度神经网络综述

随着硬件计算能力的显著提升,深度神经网络广泛应用于计算机视觉和图像处理的各个领域,获得了突出成果,受这种方法启发,单帧图像超分辨率重建(Super-resolution Reconstruction, SR)也引入深度学习思想,并且重建效果远远超越传统算法,成为研究的热点并迅速成为主流技术。将对深度神经网络的单帧图像超分辨率重建技术分为两类(基于传统深度神经网络的单帧图像超分辨率重建和基于生成对抗网络的单帧图像超分辨率重建和)进行阐述,以此为基础,对单帧图像超分辨率技术的发展趋势进行展望。     

基于生成对抗网络的超声图像超分辨率重建

针对医学超声图像的分辨率低而导致视觉效果差的问题,使用基于神经网络的图像超分辨率(SR)重建方法提升医学超声图像的分辨率。采用针对自然图像超分辨率重建的生成对抗网络(SRGAN)作为基本方法,通过减少2个输入通道和删除1个残差块对该网络的结构进行更改,并且改进网络损失函数,新增模糊处理数据集,使该网络适应医学超声图像所具备的灰度图像、散斑纹理单一等特点,从而重建出放大4倍的边缘清晰没有伪影的医学超声图像。将改进SRGAN与原始SRGAN的结果相比,峰值信噪比(PSNR)和结构相似性(SSIM)分别有1.792 dB和3.907%的提升;与传统双立方插值的结果相比,PSNR和SSIM分别有2.172 dB和8.732%的提升。     

基于生成对抗网络的遥感图像超分辨率重建改进算法

为了获取包含更多高频感知信息与纹理细节信息的遥感重建图像,并解决超分辨率重建算法训练难和重建图像细节缺失的问题,提出一种融合多尺度感受野模块的生成对抗网络（GAN）遥感图像超分辨率重建算法。首先,使用多尺度卷积级联增强全局特征获取、去除GAN中的归一化层,提升网络训练效率去除伪影并降低计算复杂度;其次,利用多尺度感受野模块与密集残差模块作为生成网络的细节特征提取模块,提升网络重建质量获取更多细节纹理信息;最后,结合Charbonnier损失函数与全变分损失函数提升网络训练稳定性加速收敛。实验结果表明,所提算法在Kaggle、WHURS19、AID数据集上的平均检测结果较超分辨率GAN在峰值信噪比、结构相似性、特征相似性等方面分别高出约1.65 dB、约0.040(5.2%)、约0.010(1.1%)。     

基于增强型超分辨率生成对抗网络的文物图像色彩重建

针对书画文物的褪色和画面暗旧等问题,提出了一种基于增强型超分辨率生成对抗网络的文物图像色彩重建(Color Reconstruction of Cultural Relic Images Based on Enhanced Super-Resolution Generative Adversarial Network, CR-ESRGAN)模型。该模型针对缺少成对图像的数据集问题,在双3次下采样的基础上提出了利用颜色迁移算法来生成逼真的暗旧、褪色的文物图像。同时改进了ESRGAN网络,在其生成网络中引入自注意力机制,以增强重建图像的纹理细节。在常用图像质量评价指标峰值信噪比(Peak Signal to Noise Ratio, PSNR)/结构相似性(Structural Sililarity Index, SSIM)的基础上引入颜色评价指标CIEDE2000,以更加全面、客观地评价重建图像的质量。与现有几种超分辨率算法以及其文物图像色彩修复方法相比,视觉效果和图像质量有较高的提升。     

基于卷积稀疏编码与生成对抗网络的图像超分辨率重建

针对现有图像超分辨率重建算法的重建图像仍存在高频信息缺失、噪点增多问题,本文提出了一种基于卷积稀疏编码与生成对抗网络的图像超分辨率重建模型。首先,利用卷积网络实现稀疏编码并获取图像稀疏表示,充分利用图像的先验信息,有效避免重建图像高频信息缺失和噪点增多的问题;在得到低分辨率图像的稀疏表示后,通过重建模块对稀疏表示进行重建得到超分辨率图像;随后,鉴别器对重建图像进行鉴别,缓解由PSNR主导的算法导致重建图像趋于平滑的问题。在不断对抗训练后,最后的重建图像具有更好的视觉效果。本文在Set5、Set14、BSD100和Urban100通用测试数据集上进行2倍和4倍的超分辨率重建实验,并与Bicubic、SRGAN、EDSR和ESRGAN对比。与ESRGAN方法相比,本文模型在4个数据集上平均PSNR提升约0.702 8 dB,平均SSIM提升约0.047,平均LPIPS提升了0.016。实验结果表明,所提出的模型具有较强的竞争力,能够恢复更多的细纹理细节且具有更好的清晰度。     

赋形像元探测器在超分辨重建中的应用

大多数光电成像系统的空间分辨率都与探测器的元数密切相关,增加探测器的元数是提高成像系统空间分辨率的核心问题之一.在不增加探测器元数的前提下,提高空间分辨率的技术途径之一就是超分辨重建技术,它通过增加探测器采样频率来提高探测器的空间分辨率.考虑到探测器的空间分辨率并不完全取决于采样作用,且受像元孔径效应的影响,提出了一种赋形像元探测器.基于巴比涅原理中的互补屏原则,将原有的红外探测器中的每个正矩形像元去掉1/4,用剩余部分来等效获取去掉部分的高截止频率;同时利用两列赋形像元探测器进行亚像元推扫,结合像元细分算法,实现超分辨重建.通过同时提高系统采样频率和探测器的截止频率来实现红外系统最终的高分辨率重建成像.     

一种快速的超分辨率图像重构算法

基于稀疏表示的超分辨率(SR)图像重构算法需要求 解l₁范数优化问题,时间效率不高。 本文在该方法的基础上加入平移不变性约束条件,并且考虑到稀疏参数对重构结果影响不 大,对重构算法进行简化,避免了求解复杂的l₁范数优化问题,实现了一种快速的图像SR重构。数值实验结果表明,本文算法具有更高的时间效率。     

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。     

MuRNet: A deep recursive network for super resolution of bicubically interpolated images

In many real-world cases such as printer devices and in-camera interpolation, only the interpolated versions of the low-resolution images are available. In this paper, a new low-complexity high-performance image super resolution network is proposed that starting from the bicubic interpolated version of the low resolution image produces a high quality super resolved image. The main idea in the proposed scheme is the development of a feature generating block that is capable of producing features using multiple local spatial ranges and multiple resolution levels, fusing them in order to provide a rich set of feature maps, and using them in a recursive framework. The objective in designing such a recursive block is not simply to provide a light-weight network, as is traditionally done in the design of such a network, but also to provide a low count on the number of multiply-accumulate operations with high performance. The experimental results are provided to show that the proposed network outperforms other recursive super resolution networks when their super resolution capability, the number of parameters and number of multiply-accumulate operations are simultaneously taken into consideration.     

复眼图像超分辨率重构中配准算法研究进展

高分辨率图像能够提供更多的图像细节和更清晰的图像质量,因此模仿生物复眼高分辨率这一特性、研究复眼超分辨率对于航天侦查和军事目标的识别具有重要意义。近年来亚像素级图像配准作为超分辨率重构中的关键步骤成为了研究热点,新的配准算法层出不穷。图像配准作为复眼图像超分辨率重构技术中至关重要的一步也是超分辨率重构中的一个难点,图像配准的精度以及图像配准算法的运算复杂程度直接影响着超分辨率重构的质量和效率。文中总结了近年来国内外超分辨率重构中配准算法的研究进展,介绍了图像配准技术和复眼超分辨率重构技术的基本原理和应用背景,阐明了课题的研究目的、意义以及发展前景,并且重点研究与分析了目前主流的配准算法以及各自的优缺点,并对今后的研究趋势进行了展望,同时为今后的配准算法研究提供了重要参考。     

激光雷达三维距离像超分辨重构方法研究

针对目前激光雷达三维距离像分辨率低的问题,使用成本低且有效的图像处理方法获得高分辨三维距离像。首先,利用多传感器系统的特点,将低分辨率Gm-APD激光雷达与高分辨率ICCD激光雷达相结合,获得配准后的低分辨距离像和高分辨强度像,然后,提出了一种改进的图像引导算法实现低分辨图像超分辨重构。该方法使用马尔科夫随机场模型,定义了全局能量函数,该函数将距离保真项和正则化项相结合,通过求解优化模型获得高分辨三维距离像。通过对仿真图像和激光雷达距离像的超分辨重构处理,以主观视觉效果和图像质量客观评价指标来验证此方法。实验结果表明,该方法提高了距离像的分辨率,且很好地保护了图像的边缘结构,在无参考图像质量评价指标上较双三次插值、引导滤波和TGV取得更优值。     

超分辨率图像重建引起的噪声放大与滤波

总结了图像序列相位关系对超分辨率图像重建效果的影响规律,对超分辨率图像重建引起的高斯噪声和散粒噪声的放大予以研究.通过叠加不同方差的高斯噪声的图像序列重建实验,得到结论维纳滤波可以有效地滤除放大后的高斯噪声,但是超分辨率图像重建后散粒噪声放大成为"波纹"形状的噪声,传统的中值滤波法不能有效地滤除放大后的"波纹"形状噪声...     

A linear well-posed solution to recover high-frequency information for super resolution image reconstruction

Multiview super resolution image reconstruction (SRIR) is often cast as a resampling problem by merging non-redundant data from multiple images on a finer grid, while inverting the effect of the camera point spread function (PSF). One main problem with multiview methods is that resampling from nonuniform samples (provided by multiple images) and the inversion of the PSF are highly nonlinear and ill-posed problems. Non-linearity and ill-posedness are typically overcome by linearization and regularization, often through an iterative optimization process, which essentially trade off the very same information (i.e. high frequency) that we want to recover. We propose a different point of view for multiview SRIR that is very much like single-image methods which extrapolate the spectrum of one image selected as reference from among all views. However, for this, the proposed method relies on information provided by all other views, rather than prior constraints as in single-image methods which may not be an accurate source of information. This is made possible by deriving explicit closed-form expressions that define how the local high frequency information that we aim to recover for the reference high resolution image is related to the local low frequency information in the sequence of views. The locality of these expressions due to modeling using wavelets reduces the problem to an exact and linear set of equations that are well-posed and solved algebraically without requiring regularization or interpolation. Results and comparisons with recently published state-of-the-art methods show the superiority of the proposed solution.     

Algorithm for enhancing fingerprint images

An original algorithm is presented for the high-quality enhancement of fingerprint images. Fingerprints are directionally smoothed using a position-dependent Fourier domain filter whose orientation is everywhere matched to the local ridge orientation. Thresholding then yields the enhanced image. Use of the proposed enhancement method within a working AFIS significantly improves speed and accuracy.<>     

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。