超分辨率重建技术研究进展

超分辨率(Super Resolution,SR)重建技术是指由一些低分辨率(Low Resolution,LR)模糊的图像或视频序列来估计具有更高分辨率(High Resolution,HR)的图像或视频序列,同时能够消除噪声以及由有限检验器尺寸和光学元件产生的模糊,是提高降质图像或序列分辨率的有效手段。首先介绍超分辨率重建所基于的成像系统模型,并对现有的图像超分辨率重建算法进行总结,重点对基于学习的超分辨重建算法进行对比分析,最后指出超分辨率重建技术的发展方向。     

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。     

基于MTF的影响超分辨率图像重建效果的因素分析

从超分辨率图像重建技术在工程中应用的角度出发,总结了图像采集仪器获取满足超分辨率图像重建技术需求的满足特定相位相关的原始图像序列方法,从理论上导出了由于仪器精度问题带来的原始图像序列相位关系对超分辨率图像重建效果的影响公式,统一了传统探测和亚像元探测的关系,也说明了超分辨率图像重建技术选择图像序列具有50%像元位移的原因.     

基于自适应对偶字典的磁共振图像的超分辨率重建

为了提高磁共振成像的图像质量,提出了一种基于自适应对偶字典的超分辨率去噪重建方法,在超分辨率重建过程中引入去噪功能,使得改善图像分辨率的同时能够有效地滤除图像中的噪声,实现了超分辨率重建和去噪技术的有机结合。该方法利用聚类—PCA算法提取图像的主要特征来构造主特征字典,采用训练方法设计出表达图像细节信息的自学习字典,两者结合构成的自适应对偶字典具有良好的稀疏度和自适应性。实验表明,与其他超分辨率算法相比,该方法超分辨率重建效果显著,峰值信噪比和平均结构相似度均有所提高。     

基于稀疏编码的红外显著区域超分重建算法

由于红外光学衍射限和红外探测器的局限,得到的红外图像噪声相对偏大,分辨率偏低。对红外图像进行超分辨率重建可以提高图像分辨率,但同时又会增强背景噪声。针对此问题,提出了基于稀疏编码的红外显著区域超分重建算法,将超分重建和显著度检测相结合,可以提高目标分辨率并降低背景噪声。首先采用双层卷积提取图像特征,并自适应选择图像信息熵较大的图像块用于训练联合字典。然后利用稀疏特征计算显著度获取显著区域,再将显著区域用训练好的字典进行超分辨重建,与目标无关的背景区域采用高斯滤波。实验结果显示改进的重建算法在同等条件下重建效果优于重建模型ScSR和SRCNN,图像信噪比提高3～4倍。     

去混合噪声的超分辨率图像重建算法

研究了混合噪声即高斯白噪声加椒盐噪声所降质的超分辨率图像重建模型,提出了基于全变分正则化方法和两步方法的超分辨率图像重建方法,并应用Chambolle投影算法对模型进行求解;通过实验仿真,实验结果表明本文提出的方法比基于传统的全变分正则化方法无论是在运行速度,MSE与SNR评价指标上还是在视觉效果方面都具有明显的优越性.     

基于生成对抗网络的单帧红外图像超分辨算法

高分辨率红外图像的获取受到了硬件性能的限制,利用信号处理的方法实现红外图像的超分辨率重建可以有效地提高红外图像的分辨率.将基于深度学习的超分辨方法应用于红外图像,实现了单帧红外图像的超分辨率重建,获得了更好的评价结果.通过引入对抗训练的思想,以及添加基于判别网络的损失函数分量,提高了放大倍数的同时,获得更好的高频细节恢复,图像边缘锐化,避免了超分辨率红外图像过于模糊.     

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.     

基于自适应流形高维滤波的太赫兹图像滤波算法

针对太赫兹图像分辨率差,噪声严重和信噪比低等不足,提出了一种基于自适应流形高维滤波的太赫兹图像降噪算法。算法利用中值滤波滤除太赫兹图像的强噪声点,再利用自适应流形高维滤波去除图像中的大部分噪声,最后通过基于拉普拉斯高斯算子的边缘增强对二次滤波后的结果图像进行图像增强。实验结果表明,该算法对于太赫兹图像有良好的降噪效果,在滤除图像中噪声的同时,图像的边缘和细节部分也得到了较好的保留。     

多尺度下低对比度红外热图像增强技术

对红外热图像进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术以及中值滤波方法，使图像的目标与背景之间的灰度差别放大并且滤除噪声，从而达到增强图像的目的，其缺点是灰度变换技术易放大噪声而中值滤波方法只能滤除高斯白噪声。由于梯度反映了图像灰度之间的差异，而根据二进小波变换可以建立红外热图像的梯度矢量图，通过增强红外热图像梯度的幅度，可以有效地增强图像对比度。根据脉冲噪声和高斯白噪声的多尺度下小波变换特性，抑制噪声点的梯度且增加目标的梯度幅度，能达到既增强图像又抑制多种噪声的目的。     

一种中值与邻域比较的滤波算法及硬件实现

图像系统中的噪声来自各个方面,去噪处理是图像处理中的重要环节,中值滤波是抑制图像噪声的常用方法之一.传统的中值滤波算法在抑制噪声的同时,会带来图像细节模糊的问题.本文在分析研究传统中值滤波原理的基础上,提出了中值与邻域比较的滤波算法,将中值与邻域内的某个范围进行比较,判断中值是否在此范围内,以此决定中心像素的值.这样不...     

基于核回归正则项的图像超分辨率重建

讨论了图像成像的基本模型,并提出了一种基于调整核回归函数作为正则项的序列图像重建算法。该算法是对已经提出的核回归算法的改进,减少其在超分辨率图像重建时的运算量。而且在图像配准过程中针对图像间只存在平移和旋转变换,采用了基于矩形像素值的亚像素配准方法,以提高配准的速度和精度。利用此算法对序列图像进行重建仿真,并通过结论得出其在噪声严重的情况下具有更好的边缘保留特性。     

一种从低分辨率图像序列获取高分辨率图像的算法

在某些应用领域,常常需要得到目标的高分辨率图像,考虑到在这些应用场合中,往往可以获得对同一景物或目标的多帧图像,本文提出了一种基于亚像素级图像配准与类似于中值滤波插值的从多幅低分辨率(LR)图像中获取一幅高分辨率(HR)图像的算法。算法首先采用梯度方法计算出LR图像之间的位移量,经过图像配准后,每个HR像素点被赋予其作用域内所有LR像点值的中值。仿真结果表明,该算法简单有效,既能提高图像分辨率,又能较好地去除非线性噪声。     

稀疏条件下基于散射点估计的SAR切片超分辨重建

从合成孔径雷达(SAR)成像模型出发,在稀疏条件下,该文结合散射中心理论,从低分辨率图像中估计高分辨率图像的散射点参数,用若干sinc函数对感兴趣目标区(ROI)进行重建并抑制旁瓣,获得超分辨ROI切片。基于非线性最小二乘(NLS)估计给出了该超分辨重建问题的迭代求解算法,并以TerraSAR-X数据进行仿真验证,仿真结果表明,该文所提方法相比双立方插值和1范数正则化方法能够获得更高的空间分辨率与目标杂波比(TCR)。后续分析表明,散射点参数的估计精度受到信噪比和sinc函数重建3 dB带宽共同影响,重建3 dB带宽越大对噪声的鲁棒性越强。     

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。     

一种高效去除椒盐噪声的中值滤波方法

提出了一种基于先检测、后滤波的椒盐噪声滤除算法．将像素值为0或255附近的像素点作为疑似噪声点,其余点为信号点．信号点不做任何处理,以保留更多的图像细节．而对于疑似噪声点,首先用改进的自适应极值中值方法进行噪声检测,并将检测结果记录在一个二值矩阵flag中,其中信号点记为1,噪声点记为0．然后根据图像像素值矩阵与flag的点积进行自适应中值滤波处理．实验结果表明,不仅对真实含噪图像处理有很强的适应性,而且对噪声密度高的图像,能在有效去除椒盐噪声的同时保护图像细节．在不同噪声率下均优于标准中值（SMF）滤波法及其一些改进方法,在噪声密度为10％～90％其峰值信噪比（PSNR）平均提高6dB．     

数字全息再现像的细节显示和视觉畸变矫正

在分析数字全息系统的最小分辨距离和再现像平面上的采样间隔的基础上，提出了一种在用菲涅耳变换法再现数字全息图时，能清楚显示再现像细节的简单方法，这种方法能有效地提高再现场的显示分辨率。通过给由CCD记录的数字全息图补零，可使再现像平面上采样间隔减小，使再现像具有更多的像素，得到保留了更多记录信息的高质量再现像。用同样的方法，也可以矫正由于CCD靶面尺寸在水平和竖直方向上的不一致造成再现像的视觉畸变。实验结果表明此方法有很好的效果。     

视频监控图像的超分辨率复原研究

超分辨率复原技术是一种可用于提高图像细节辨识能力的有效方法。其在视频监控领域可望得到广泛应用。超分辨率图像处理技术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。从而降低对监控视频采集硬件与后端辅助处理系统的要求,提高对特定目标的辨析能力。本文重点介绍了在视频监控领域较为实用的凸集投影算法、最大后验概率估计算法、基于对象的超分辨率复原方法、基于示例学习与多类预测器的超分辨率复原方法。对以上超分辨率复原方法实现流程的优缺点与其在视频图像监控领域的应用方法进行了相应分析。分析了超分辨率视频监控图像复原常用的基于块匹配与光流的对象运动估计方法。对超分辨率复原重建图像质量的评估标准也进行了相应讨论。     

基于模糊理论的红外图像像元串音抑制算法

红外目标模拟器产生的红外图像都不同程度地存在串音干扰问题.针对该问题提出一种基于模糊理论和模板的图像对比度增强算法.首先确定12种模板,分别计算它们的隶属度,再根据最大隶属原则确定像素点所隶属的模糊集合,最后利用该模板对像素点进行对比度增强的处理.由于背景噪声的存在也会影响图像质量,因此利用阈值去除对比度增强后的图像的背景噪声.实验结果表明,利用该算法不但使图像的对比度有很大的增强,而且抑制了串音,表明该算法有效.     

MR data acquisition and reconstruction using efficient sampling schemes

Fast Fourier algorithms are presented for image reconstruction from nonrectangularly sampled data. Since standard display devices require image matrices with rectangular pixels, these algorithms accept nonrectangularly sampled input and calculate output points on a rectangular array. Images are reconstructed with no loss of resolution on a 256x256 square pixel format from 224x256 hexagonally sampled raw data points with no interpolation. The images demonstrate aliasing in a hexagonal pattern around the primary image. This technique can be used to reduce scan time, data throughput, and data-storage requirements while maintaining resolution or to improve resolution while maintaining scan time.