一种改进的POCS算法的超分辨率图像重建

图像超分辨率是指从一组模糊的低分辨率图像重建一帧清晰的高分辨率图像的过程.从经典的基于凸集投影POCS(projection onto convex set)的超分辨率图像重建算法出发,分析重建后高分辨率图像边缘模糊的成因,提出了一种基于保留边缘信息的POCS超分辨率图像重建算法.实验结果表明该方法能够明显地提高重建图像的质量.     

基于边缘保持的POCS超分辨率图像重建

针对常规的POCS超分辨率图像重构算法导致的边缘模糊问题,文章分析重建后高分辨率图像边缘模糊形成的原因,提出了基于边缘保持的插值算法,用基于梯度的插值算法来获取POCS的初始值,实验结果表明,该方法能够明显地提高重建图像的边缘质量。     

一种改进的单帧图像超分辨率重建的高效算法

根据图像的降质模型,基于凸集投影（POCS）原理,结合降质图像模型,提出一种使用中值滤波初值处理的高效POCS单帧图像的超分辨率重建方法。计算机仿真结果表明,和双线性内插、经典POCS方法比较,改进后的该方法重建图像信噪比平均提高2．1dB和1．1dB。     

一种改进的毫米波图像超分辨率重建算法

针对毫米波成像时,由于天线孔径受限使得获取的图像空间分辨率很低、高频信息损失严重的问题,提出一种改进的非凸集投影超分辨算法。该算法以非凸集阈值收缩迭代算法(Non-convex Shrinking Iteration,NCSHI)为基础,采用具有平移不变特性的双树复数小波作为稀疏基,引入了两步迭代过程,有效地利用了前两次的迭代信息。实验仿真结果表明,该算法有效地改善了伪吉布斯效应,收敛速度更快,具有良好的超分辨性能。     

采用边缘Gibbs现象抑制的红外图像POCS重构算法

在研究和分析凸集投影(Projection Onto Convex Sets,POCS)法的基础上,提出了一种改进的图像超分辨率重构算法.该算法充分利用空域确定模型,通过平滑降噪处理,经运动估计进行配准;突出数字图像细节信息的同时,有针对性地修改点扩散函数(Point Spread Function,PSF)取值,通过有效抑制边缘Gibbs现象获得最佳质量的高分辨率重构图像.对重构后的红外图像质量进行了定量评价.结果表明,图像质量取得了预期的效果.该技术在红外目标识别与跟踪、红外侦察与反侦察、舰船红外目标特性研究、高清数字图像处理、旧视频翻录和生物信息提取与识别等方面具有重要的应用价值.     

基于PSF改进的POCS超分辨率图像重构

为了提高重构的图像质量,给出了模拟一修正迭代的凸集投影（POCS）超分辨率图像重构方法和具体实现步骤。针对重构的超分辨率图像高频分量不足的缺点,提出了一种有效的改进方法。该方法通过对点扩散函数（PSF）的改进做到了有效地保留POCS超分辨率图像重构算法中的边沿信息。仿真实验结果表明,该方法可行性好,能够有效地保持高频分量,从而达到提高图像质量的目的。     

超分辨率重建算法在热红外图像中的应用

高空间分辨率的热红外图像能够提供更多关于目标场景的细节信息,因而在 计算机视觉、医学和遥感等诸多领域有着广泛的应用需求。由于通过提升热红外相机硬件性 能的方式往往需要付出高昂的代价,因此我们选择通过超分辨率重建的方式来提高热红外图像的空间分辨 率。本文所重建的热红外图像来源于舟山航拍试验,所用热红外相机由自主设计搭载。分别采 用凸集投影法和迭代反投影法对热红外序列图像进行了超分辨重建。实验结果表明,这两种算 法均能有效提高热红外图像的空间分辨率。     

多帧超分辨率重建中的图像插值

为了实现多帧超分辨率重建,必须从图像序列中提取子像素信息,因此要求图像的配准精确到子像素级。本文提出了一种超分辨率重建中运动矩阵的构造方法。为了提高矩阵的构造精度,该方法引入图像插值,用性能好但计算量较小的三次插值算子实现插值运算,并比较了三种常用插值核的性能。实验结果表明,选择适当的插值函数不仅不会明显增加计算量,而且可以显著提高矩阵的构造精度,从而大大提高多帧超分辨率重建图像的质量。     

基于改进点扩散函数的遥感图像超分辨率重建

为了提高遥感图像空间域重建质量, 采用改进凸集投影(POCS)算法的点扩散函数, 提出了一种改进的POCS超分辨率重建算法。首先给出POCS算法基本原理以及具体实现步骤, 在此基础上对算法做出改进, 即对待重建的高分辨初始帧进行边缘检测, 对检测到的边缘像素点应用改进的点扩散函数(PSF), 使边缘处像素点对应的PSF水平方向与垂直方向系数依据边缘斜率变化而设置不同的权重; 最后分别采用两组数据集对改进POCS算法的有效性进行验证。结果表明, 该改进的POCS算法有效地提高了图像重建的效果, 两组实验平均绝对误差效果分别提升了0.79%和0.26%, 达到了提高图像重建质量的目的。该算法具有较好的实际应用价值。     

一种基于凸集映射的高分辨率图像恢复算法

介绍了一种基于凸集映射(POCS)算法的高分辨率图像恢复方法，通过仿真对比了其与双线性插值方法恢复高分辨率图像的差异，仿真结果表明，该方法有助于改善高分辨率图像的恢复质量。     

图像超分辨率重建处理算法研究

超分辨算法为实现图像和视频分辨率提高的一种方法。其广泛应用于数字电视、医学图像处理、军事与遥感等领域。超分辨率图像通过融合多帧相似的低分辨率图像达到提高图像细节的目的。本文对使用较为普遍的频域方法、非均匀差值算法、凸集投影算法、迭代反投影算法、最大后验概率方法及基于学习的方法进行了分析,并简要讨论了超分辨算法未来的发展方向。     

基于边缘方向投影的图像块修复方法

压缩图像在传输中,信道干扰常导致图像块数据丢失.给出一种基于边缘方向投影的图像损失块修复方法.按照周围邻域未损失像素的边缘方向信息将损失块分类,并根据类别用结合频域和空域信息的凸集投影算法自适应地修复损失块.能较好地修复图像边缘和复杂纹理.与RIBMAP方法相比,此方法在修复质量和算法顽健性上均有提高.     

Image reconstruction from multiple frames of sparse data

High-resolution image reconstruction from sparse data is an important problem in sensor array imaging (SAI). The reconstructed images from such a data are poorly resolved. However, there may exist possibilities of making multiple measurements, for example, collecting many frames of data in a dynamic scene situation where there is relative motion between the object and the receiver. We discuss here a method of reconstructing good-quality images from multiple frames of sparse data obtained from a simulated dynamic scene situation. This method, based on projection onto convex sets (POCS), not only restricts the solution set by satisfying the constraints in the multiple measurements but also reconstructs a high-resolution image.     

自适应约束下的双边全变差正则化超分辨率重建

在经典的双边全变差( BTV)超分辨率重建中,加权系数和正则化参数的恒定性导致重建结果边缘保持能力受限。为此,提出了一种自适应约束的BTV正则化先验模型。算法首先定义了图像的局部邻域残差均值以区分当前像素属于平坦区域还是边缘区域;然后针对加权系数的不变性导致边缘削弱的问题,利用边缘方向和垂直边缘方向扩散性的不同,设计自适应权重矩阵;最后根据代价函数的极值问题推导出迭代公式,从而进行图像的超分辨率重建,重建过程中采用自适应的方法确定正则化参数,以便求得代价函数的全局最优解,提高了算法的鲁棒性。实验结果表明：与双三次线性插值法和经典BTV算法相比,该算法取得了更好的视觉效果和更高的峰值信噪比,更多地保留了图像的边缘细节信息。     

红外图像超分辨率重建技术研究

利用图像超分辨率重建技术可以在不改进硬件的情况下提升现有成像系统的图像分辨率。为提升红外图像质量,提出了一种基于NSCT变换与自适应正则化重建相结合的图像超分辨率重建算法。算法充分考虑了实际红外图像中噪声特点,利用NSCT变换特点在尽可能减少图像信息损失的条件下,对加性噪声与乘性噪声采用不同策略进行了抑制,并对预处理后的红外图像序列进行自适应正则化重建。实验结果表明本算法处理后的红外图像在主观视觉效果与客观指标上较传统图像处理方法均有改善。     

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...     

基于投影网络的遥感影像超分辨率重建方法

针对遥感影像数据量大、地形起伏大、覆盖范围 广的特点,本文提出了一种基于卷积神经网络的遥感影像超分辨重建 方法,该方法联合密集网络和深度反投影网络,组成了密集投影单元,形成深度密集投影网 络,解决了传统算法在遥感影像超分 辨率重建中存在的纹理表征不够,细节提取不足、训练困难等问题。实验结果表明,在多个 遥感影像数据集上,本文与其他对比 方法相比,PSNR和SSIM有明显提升,重建出的遥感影像纹理标征和细节特征更加丰富。     

密集残差网络红外图像超分辨率重构

单幅红外图像超分辨率重构算法作为红外图像分辨率提升应用的关键技术,近年来得到了广泛的研究。为了提高红外图像的分辨力,提出了一种基于残差密集对抗式生成网络的单幅红外图像分辨力提升方法。与以往基于对抗式生成网络的分辨力提升方法不同,本文方法的新颖性主要包含两个方面。首先,在网络架构方面进行改进,以提高性能。设计密集残差网络作为对抗式生成网络的生成网络,充分利用了低分辨率图像的有效特征。在生成网络中引入了一种连续内存机制,以利用密集的剩余块。其次,将Wasserstein-GAN作为损失函数,对判别网络模型进行修正,以达到稳定训练的目的。利用红外高分辨率图像数据集进行了大量的实验,结果表明,该方法在客观评价和主观评价方面均优于目前最新的方法。