超分辨率重建算法综述

随着高分辨率移动设备和超高清电视的发展,对已有的低分辨率视频进行超分辨率上采样成为最近的一个研究热点.对已有的超分辨率重建算法根据输入输出方式的不同,分为多图像超分辨率重建、单图像超分辨率重建、视频超分辨率重建三大类,综述了其中每类算法的发展情况及常用算法,并对不同算法的特点分析比较.随后讨论了多图像超分辨率重建和单图像超分辨率重建方法对视频超分辨率重建方法的影响,最后展望了超分辨率重建算法的进一步发展.     

基于深度学习的医学图像超分辨率重建分析

针对现阶段高分辨率的医学图像受到硬件设施以及成像技术的限制,提出基于深度学习的医学图像超分辨率重建方式,发挥医学成像在我国医学的疾病诊断方面具有重要的作用。首先,阐述基于深度学习进行医学图像超分辨率重建的必要性;其次,对深度学习下的图像超分辨率重建措施进行了详细说明,通过卷积神经网络、SRCNN、ESPCN、SRGAN等方式的应用,完善图像超分辨率的重建方法;再次,对深度学习医学图像超分辨率重建的提升空间进行了分析,并提出了三项具体的提升措施;最后,将医学图像超分辨率的优化措施做了说明。     

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.     

低秩矩阵恢复下的自适应图像超分辨率重建

低分辨率自适应图像的像素密度过于稀疏,导致图像清晰度达不到超分辨标准。为此提出低秩矩阵恢复下的自适应图像超分辨率重建方法。构建低秩矩阵恢复模型,计算峰值信噪比参数,完成低秩矩阵恢复下的自适应图像降噪处理。在图像区域中提取自适应特征,根据超分辨率判别条件定义具体的重建函数表达式,完成低秩矩阵恢复下自适应图像超分辨率重建方法的设计。实验结果表明,该方法的应用可使图像有效去噪,信噪比高于31 dB,重建后图像分辨率均值达到100 PPI,实现了超分辨重建。     

生成式对抗神经网络的多帧红外图像超分辨率重建

生成式对抗神经网络在约束图像生成表现出了巨大潜力,使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑,缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间的时间-空间相关性的问题,提出了一种基于生成式对抗神经网络的多帧红外图像超分辨率重建方法（M-GANs）。首先,对低分辨率图像序列进行运动补偿;其次,使用权值表示卷积层对运动补偿后的图像序列进行权值转换计算;最后,将其输入生成式对抗重建网络,输出重建后的高分辨率图像。实验结果表明:文中方法在主观及客观评价中均优于当前代表性的超分辨率重建方法。     

图像超分辨率重建算法综述

介绍了超分辨率重建的基本原理与数学模型,对现有的图像超分辨率重建算法进行了总结.将当前的超分辨率算法分为基于重建约束的方法和基于学习的方法两大类,分别阐述了超分辨率重建技术的经典方法,最后指出了低质量图像超分辨率技术进一步的研究方向.     

超分辨率图像重建分析和应用

高分辨率图像是人们一直追求的目标。超分辨率图像重建技术就是人们获取高分辨率图像的一种很重要的方法。本文分析了超分辨率图像重建的原理,总结了各种重建方法的特点,指出超分辨率图像重建的发展历史、应用场合和前景。     

基于CUDA的遥感图像快速超分辨率重建算法研究

传统图像插值方法和基于字典学习的图像超分辨率重建方法在图像处理速度和重建图像的视觉质量之间很难保证有效的平衡,针对这一问题,文章利用自然图像非局部相似性的特点和GPU(Graphic Processing Unit)并行处理的优势,提出了一种基于CUDA(Compute Unified Device Architecture)的遥感图像快速超分辨率重建算法。实验结果表明,文章提出的方法能够很好的保持图像的边缘及结构信息,获得良好的视觉效果,同时实现遥感图像的快速超分辨率重建。     

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L0范数稀疏表达的图像盲超分辨率重建

由于大部分超分辨率图像重建方法都是建立在图像的点扩散函数为已知或假设点扩散函数为高斯模糊核的条件下,但真实的低分辨率图像中的点扩散函数并不是高斯函数,而是由随机的相机抖动造成的。为了提高重建的超分辨率图像质量并使其更接近真实场景,提出了一种基于L0范数稀疏表达的图像盲超分辨率重建方法。首先利用了基于L0范数的梯度最小化方法估计出超分辨率图像中的点扩散函数,再通过点扩散函数的估计在超分辨率重建的过程中有效地去除图片的模糊效应,最后利用反向传播算法,使重建的超分辨率图像更接近真实。通过实验结果表明,提出的方法相对于双三次插值法和基于多字典学习的图像超分辨率重建算法可以得到更清晰的重建效果,峰值信噪比和平均结构相似度均有提高,最后在真实图片重建测试效果中也得到了更好的验证。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题, 提出了一种具有较强鲁棒性的图像拼接方法。首先, 根据Harris算法和SIFT算法各自的特点, 提出了一种自适应的Harris-SIFT特征点提取方法, 利用最邻近法完成图像间的特征点粗匹配; 然后, 应用随机抽样一致性(Random Sample Consensus, RANSAC)算法对粗匹配的特征点进行筛选, 同时估计出透视变换模型的变换矩阵, 并对相邻的两帧图像进行配准; 最后, 利用加权平均融合算法消除图像拼接处的缝合线, 实现图像的高质量拼接。实验结果表明, 该算法在提升SIFT算法鲁棒性的同时, 还增强了图像拼接的效果, 消除了图像亮度和色度差异的影响。     

一种新的ISAR距离对齐算法

距离对齐是逆合成孔径雷达(ISAR)成像处理中的或对齐精度不够高,或运算效率过低,无法满足ISAR实时成像的要求.由于距离对齐算法本质上是一种优化方法,基于优化原理,将启发式方法与搜索法相结合,提出了一种新的距离对齐算法.该算法结合使用频域法和累积互相关法,具体分两步实现:首先利用频域法进行粗对齐,然后将第一步得到的结果作为启发式信息进行累积互相关,大大减小了其搜索范围,得到了精确的距离对齐效果.通过将新算法与其他算法的运算量进行分析比较,结果表明该算法运算效率较高.而对实测数据的成像处理结果证明该算法具有良好的对齐精度.这说明新算法在效率和性能上达到了良好的平衡,适合于ISAR实时成像.     

基于直方图散度和小波分解的图像配准算法

针对基于互信息的图像配准方法运行时间长、抗噪声差的问题,提出了一种基于新的相似性测度的图像配准算法,在分析两幅图像的联合直方图点集分布情况的基础上,定义了直方图点集的散度公式,并将其作为相似性测度.为加速参数的搜索过程,配准是在小波域内进行的,并使用遗传算法与Powell算法相结合的方法来优化参数.实验证明,相对于基于互信息的图像配准算法,本算法参数优化方法选择可以更灵活,时间消耗更少,噪声鲁棒性更优.     

基于全变分理论的红外图像去噪

为了去除红外图像中的噪声,提出了一种基于全变分理论的去噪算法。该方法继承了经典全变分模型在去除噪声中保护边缘的优点,结合图像平滑扩散原理,得到了一个全新的扩散函数;同时引入了一个边缘检测算子,对正则项和忠诚项的相关参量进行了改进,使得修复后的图像大大避免了阶梯效应;最后对该算法的实现进行了推导。结果表明,该算法能够有效地去除噪声,并且避免了阶梯效应的产生。     

基于成对约束Info-Kmeans聚类的图像索引方法

针对图像数据噪声大和高维稀疏的特点,提出了一种基于噪声过滤和Info-Kmeans聚类的图像索引构建方法。首先,利用余弦兴趣模式过滤噪声。其次,提出了一种新的Info-Kmeans聚类算法,该算法不仅避免KL-divergence计算过程中的零值困境问题,还能融合以成对约束出现的先验知识。最后,在LFW和Oxford_5K 2个图像数据集上的实验表明：噪声过滤能显著提高聚类性能;Info-Kmeans比已有聚类工具具有更优越的性能。     

快速二维直方图斜分最小误差的图像阈值分割

鉴于二维斜分法的优势,提出了一种快速二维直方图斜分最小误差的阈值分割方法。首先将二维直方图斜分原理运用到最小误差阈值法中使得分割更准确,然后对其阈值选取公式进行简化得到最简公式,并利用此公式导出其一般递推算法,最后将二维直方图概率分布特性与这种算法有机结合得到新型的递推算法来提高运行速度。实验结果表明,与二维直线型最小误差阈值分割法相比,算法效率更高,与其递推算法相比,所提出的新型递推算法的运行速度更快,约快4倍。     

红外与可见光图像自动配准算法的研究

提出了一种新的红外与可见光图像的配准算法,该方法基于图像的小波变换与互信息最大化完成图像的配准过程.首先通过搜索小波模极大提取图像感兴趣区域(ROI),完成图像预处理,并采用仿射变换,建立图像变换模型;其次将低分辨率图像进行图像插值,计算灰度直方图,进行概率分布的估计;最后选择模拟退火法,逼近全局最优解.实验结果证明了此算法的有效性.     

基于2DPCA的红外显微图像分析

为了提高光谱分解效率,提出一种基于光谱方向的2DPCA的光谱分解方法,该方法可以直接利用原始图像矩阵进行光谱分解。通过对兔子动脉和多层油漆中红外显微图像的分解实验,验证了2DPCA光谱分解方法的可行性和有效性。实验表明,当光谱数大于通道数时,采用2DPCA的光谱分解效率高于PCA的光谱分解效率,并且随着光谱数与通道数比值的增大,2DPCA的优势更明显。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.