基于稀疏表征的图像超分辨算法研究

超分辨率图像恢复的目的是由低分辨率图像得到高分辨率图像,通常需要多幅或者一系列连续低分辨率图像．在有限的条件下很难得到。针对单幅图像超分辨问题,结合当前比较先进的稀疏表征方法,利用训练集图像的先验信息．对单幅图像进行超分辨率恢复。结合当前先进的基于稀疏表征的超分辨算法,采用误差反投影方法,提出一种改进的算法．对超分辨率...     

遥感图像的MAP超分辨重建

遥感根本目的就是获得清晰的高空间分辨率的图像,从而可以进一步地分析处理。为了在遥感测量中获得更高空间分辨率、更高信噪比、更清晰的图像,本文对图像处理领域超分辨算法进行了研究。建立了一套拟合模拟现实的成像系统模型,在这种模型的基础之上,利用最大后验概率系统理论,讨论了现实情况中的运动模糊,噪声等情况,改进了MAP超分辨算法。实验结果表明:使用本文改进的基于MAP理论的Markov随机场约束的多帧超分辨重建算法,可以较好提高超分辨效果,与三次立方插值方法相比,PSNR至少提高约5.1dB左右,与未改进的MAP方法相比,PSNR提高约0.2dB左右。本文提出了动态的先验约束方法,给约束函数添加与迭代次数相关的约束项,该改进创新可以加快收敛并且更加逼近真实图像,实验表明该方法收敛速度更快,约束效果良好,更适合实际应用。     

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。     

像素感光面形状对基于微扫描的红外超分辨成像的影响

基于微扫描的超分辨成像技术在成像系统光学参数不变的基础上提高图像分辨率,常用于红外成像领域。目前,在基于微扫描的红外超分辨成像研究中,采用理想的正方形模型来仿真红外探测器的感光面形状。但是,由于读出电路的存在,实际探测器产品中像素感光面形状并非严格的正方形,使用正方形模型仿真会导致仿真结果和研究结论的不准确。推导了长方形和折形两种感光面模型对成像的影响,并通过与正方形模型的仿真对比确定相应的误差,最后结合实验对前述研究成果进行了验证。结果表明:极限情况下,相对于折形模型,使用方形模型仿真的误差高达41%;相同像素填充率时,折形感光面越远离中心,对成像的MTF影响越大;基于探测器真实感光面形状的仿真模型能有效提高对红外超分辨成像研究的准确性。     

基于荧光随机涨落的超分辨显微成像

基于荧光随机涨落的超分辨显微成像技术具有成像速度快、空间分辨率高、系统成本低和光毒性小的成像优势,在对生物亚细胞结构及其动态运动过程的成像和监测中具有广阔的应用前景。近年来,基于荧光发射的间歇性,发展出多种图像重建算法实现荧光涨落超分辨成像,在无须对传统的荧光显微镜做任何硬件改造的情况下,显著提升了光学成像的空间分辨率,实现了突破光学衍射极限的超分辨成像。从重建算法、成像速度、分辨率提升和图像重建质量等方面,对比分析不同类型荧光涨落超分辨方法的差异和适用范围,为生命科学研究人员针对特定的生物学问题选择最佳的超分辨方法提供参考依据。     

基于压缩冗余采样的线阵三维SAR成像方法

线阵三维SAR系统可实现对地面场景的三维成像,是近年来研究的热点,但受载机平台和实际条件的限制,其切航迹向分辨率难以提高。结合三维场景中的目标稀疏特征,提出了一种基于压缩冗余采样的线阵三维SAR超分辨成像方法。相比于匹配滤波成像方法,该方法需要较少的阵元数就可以进行超分辨成像,并且冗余基的采样结构使成像位置更加精确,在抑制旁瓣的同时大大提高了切航迹向的分辨率。仿真实验证明了算法的有效性。     

基于联合聚焦/超分辨模型和M-H算法的雷达图像重建

针对雷达目标图像,基于散射/成像模型,利用Metropolis-Hastings(M-H)迭代算法,给出了一种数字M-H贝叶斯联合聚焦/超分辨重建方法,通过产生一系列描述目标散射截面(RCS)和散焦参数概率分布特征的样本,从而获得目标RCS元和散焦参数的最佳估计,最终实现低分辨率图像的超分辨率重建.以合成与实测图像数据...     

连续波太赫兹成像系统的单幅图像超分辨重建

针对现有的太赫兹成像系统所需硬件设备复杂且昂贵的问题,设计了基于单幅图像超分辨重建的连续波太赫兹成像系统,降低设备复杂度和硬件成本。通过对该成像系统生成的太赫兹图像进行双维度预处理,降低图像处理的占用内存,提高后续处理速度。引入限制对比度自适应直方图均衡方法对太赫兹图像进行分区域对比度提升,有效解决太赫兹图像对比度低的问题。利用稀疏表示和字典学习实现太赫兹图像的超分辨重建,提出了反余割拟牛顿平滑零范数的算法解决零范数优化问题,提高了重建精度。通过对该成像系统采集的单幅太赫兹图像进行超分辨重建,在边缘强度上提高了3.232,在平均梯度对比中提高了0.300,验证了对单幅太赫兹图像超分辨重建的有效性与优越性。     

幅度和相位估计的ISAR超分辨成像方法

传统距离多普勒(Range Doppler, RD)成像方法分辨率取决于发射信号的带宽和信号在方位向积累的多普勒带宽。超分辨成像可以在给定带宽条件下,获得比RD方法更优的分辨率。给出一种基于幅度和相位估计(Amplitude and Phase Estimation, APES)的逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)超分辨成像方法,该方法根据回波数据构造自适应滤波器对目标散射点进行重建,仿真和实测ISAR数据成像结果验证了基于APES的ISAR超分辨成像算法的有效性。相比其他超分辨成像方法,该方法重建的散射点幅度更为精确,副瓣更低,图像对比度和图像信噪比增加,整体成像效果较佳。     

一种光学图像的快速超分辨率重建方法

图像超分辨率重建技术旨在复原成像系统截止频率之外的信息,提高图像的分辨率．针对单幅光学图像,提出了基于分层的超分辨率重建方法．在算法的实施过程中,提出一种级联模板的快速运算方法．实验结果表明了方法的简洁和有效性．     

一种基于MAP的图像超分辨率重建算法

引入一种基于关键点滤波(Critical-Point Filters,CPF)的图像配准方法,并在最大后验概率(Maximum a Posteriori,MAP)框架下提出一种改进的集投影法(Projections onto ConvexSets,MAP/POCS)混合算法。算法把POCS的残差约束集合加入到基于CPF图像配准的MAP正则算法中,在每次迭代重建中对重建图像的像素点进行约束,充分利用这三种算法的优点。实验结果表明,相比于传统的重建方法,该算法能够更有效地表达视频中的非平移运动,超分辨图像主观质量有明显改善。     

基于结构照明的超分辨荧光显微成像重建算法

由于具有低光毒性、高速宽视场以及多通道三维超分辨成像能力,超分辨结构照明显微术(SR-SIM)特别适合用于活细胞中动态精细结构的实时检测研究。超分辨结构照明显微图像重建算法(SIM-RA)对SR-SIM的成像质量具有决定性影响。本文首先简要介绍了超分辨显微术的发展现状,阐述了研究SR-SIM图像重建算法的必要性;然后介绍了SR-SIM的成像原理,并重点介绍了SR-SIM图像重建算法,包括SR-SIM中频繁使用的去卷积重建算法、SR-SIM校准与重建过程中参数值获取的算法,以及目前发展的超分辨结构照明显微图像重建算法,并介绍了SR-SIM工具箱;最后总结了当前发展超分辨结构照明显微图像重建算法需解决的5个问题。     

A super-resolution reconstruction algorithm for hyperspectral images

The spatial resolution of a hyperspectral image is often coarse because of the limitations of the imaging hardware. Super-resolution reconstruction (SRR) is a promising signal post-processing technique for hyperspectral image resolution enhancement. This paper proposes a maximum a posteriori (MAP) based multi-frame super-resolution algorithm for hyperspectral images. Principal component analysis (PCA) is utilized in both parts of the proposed algorithm: motion estimation and image reconstruction. A simultaneous motion estimation method with the first few principal components, which contain most of the information of a hyperspectral image, is proposed to reduce computational load and improve motion field accuracy. In the image reconstruction part, different image resolution enhancement techniques are applied to different groups of components, to reduce computational load and simultaneously remove noise. The proposed algorithm is tested on both synthetic images and real image sequences. The experimental results and comparative analyses verify the effectiveness of this algorithm.     

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。     

基于改进稀疏表示正则化的SR重建算法

基于视觉的无人机自主导航过程中,对航路点进行准确识别是引导无人机朝着航路点方向精确飞行的关键。然而,当无人机到达航路点识别距离后,由于机载图像传感器受天气因素及成像过程中的脱焦、衍射等现象影响,常导致获取到的航拍图像模糊、空间分辨率较低,从而直接影响了后续航路点识别的精度。针对这一问题,提出了一种改进稀疏表示正则化的航拍图像超分辨率重建算法。首先,基于稀疏表示正则化框架,利用自回归和非局部相似约束构建目标函数的正则化项;其次,根据图像局部方差能有效区分图像的边缘区域和平滑区域这一特性,自适应地选取正则化参数得到超分辨率重建模型中的目标函数;最后,使用MM (Majorization-Minorization) 算法求解目标函数的凸优化问题,得到重建后的高分辨率图像。实验结果表明:与传统的正则化SR重建算法相比,文中算法能够有效的提高航拍图像的空间分辨率,使得重建后的图像包含了更多的特征细节信息,这为航路点识别提供了帮助。     

面向图像超分辨率的紧凑型多径卷积神经网络算法研究

为改善单帧图像分辨率退化问题,减少网络参数,本文提出一种基于紧凑型多径结构卷积神经网络的图像超分辨率重构算法。本文算法采用多径结构模型充分使用低分辨率图像信息,并利用残差学习策略学习低分辨率和高分辨率图像间残差信息以重建高分辨率图像。当卷积核数量有限时,含有ReLU的网络重构性能表现不佳,因此引入最大特征图激活函数,增强网络泛化能力,使网络结构更加紧凑,以捕捉具有竞争性特征,完成图像超分辨率重构。实验结果表明,本文方法具有良好的重构能力,图像清晰度和边缘锐度明显提高,在客观评价和主观视觉效果方面优于当前主流的超分辨率重构方法。为便携式高性能超分辨率重构奠定理论基础。      

Accurate image registration for MAP image super-resolution

The accuracy of image registration plays a dominant role in image super-resolution methods and in the related literature, landmark-based registration methods have gained increasing acceptance in this framework. In this work, we take advantage of a maximum a posteriori (MAP) scheme for image super-resolution in conjunction with the maximization of mutual information to improve image registration for super-resolution imaging. Local as well as global motion in the low-resolution images is considered. The overall scheme consists of two steps. At first, the low-resolution images are registered by establishing correspondences between image features. The second step is to fine-tune the registration parameters along with the high-resolution image estimation, using the maximization of mutual information criterion. Quantitative and qualitative results are reported indicating the effectiveness of the proposed scheme, which is evaluated with different image features and MAP image super-resolution computation methods.     

基于DSP系统的超分辨率图像重建技术研究

由于航空光电设备造价与体积等的限制,需要在不改变航空光电设备硬件结构的前提下,获取尽可能清晰的图像或视频。文章提出了基于DSP图像处理系统的超分辨率重建方法,首先利用Fourier-Mellin变换法和Keren算法的联合优化算法进行运动估计;然后利用基于边缘保持的凸集投影简化方法进行超分辨率重建;最终结合DM642的特征,在不降低精度的前提下,对算法进行优化实现。该方法在不增加系统结构体积和成本的前提下,有效地提高了成像系统的分辨力,进而提高系统的目标识别能力。在以DM642为核心嵌入式图像处理平台中实现超分辨率重建实验,所采用的相机分辨率为720×576,整个重建的时间由传统的几分钟甚至几十分钟下降至20s左右。实验结果表明,用本文方法重建出的图像细节明显比单帧插值的图像清晰,图像的平均梯度和信息熵有了明显提高。     

Polyphase back-projection filtering for image resolution enhancement

The method for reconstruction and restoration of super-resolution images from sets of low-resolution images presented is an extension of the algorithm proposed by Irani and Peleg (1991). After estimating the projective transformation parameters between the image sequence frames, the observed data are transformed into a sequence with only quantised sub-pixel translations. The super-resolution reconstruction is an iterative process, in which a high-resolution image is initialised and iteratively improved. The improvement is achieved by back-projecting the errors between the translated low-resolution images and the respective images obtained by simulating the imaging system. The imaging system's point-spread function (PSF) and the back-projection function are first estimated with a resolution higher than that of the super-resolution image. The two functions are then decimated so that two banks of polyphase filters are obtained. The use of the polyphase filters allows exploitation of the input data without any smoothing and/or interpolation operations. The presented experimental results show that the resolution improvement is better than the results obtained with Irani and Peleg's algorithm.