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。     

下采样对复眼图像超分辨率重构效果的影响

针对复眼超分辨率重构系统中,当以不同成像分辨率(对应不同的下采样因子)的器件拍摄同一场景时,重构效果相对于各自低分辨率图像改善程度不同的问题,研究了下采样程度与复眼超分辨率重构效果之间的关系。通过仿真实验获取不同下采样因子下低分辨率图像的重构结果,从信息熵、信噪比和峰值信噪比对重构前后图像质量进行评价,并采用Romchi Ruling分辨率靶板对仿真结果进行实验验证。实验结果表明:以3至4为下采样因子对512×512的lena图像采样时,信噪比提高7.29db,重构效果改善明显;以相对下采样因子2.2对50mm×50mm的Romchi Ruling分辨率靶板采样时,分辨率提高3个等级。其研究结果可用于指导复眼成像系统研制过程中对成像器件的选型。     

复眼图像超分辨率重构的噪声分析与消除

分析了复眼图像超分辨率重构结果图像中噪声来源及主要表现形式,为优化重构结果,提出一种基于Wiener-Butterworth（W-B）滤波器的重构噪声消除方法。通过叠加不同数量高斯噪声的低分辨率图像重构实验,研究了该滤波器对算法引入噪声和原始图像噪声的滤除效果,并在频域对实验结果作了相关分析;验证实验验证了该滤波器在噪声类型和大小均未确定时改善图像质量的有效性。实验结果表明：针对算法引入噪声,该滤波器使重构结果的PSNR提高4 dB;当施加均值为0、方差为0.01的高斯噪声时,滤波后重构结果PSNR提高6.9 dB。W-B滤波器能有效消除复眼超分辨率重构图像中的噪声和方块效应、振铃效应和梳边效应,改善重构图像质量。     

超分辨率重构技术用于红外扫描系统的关键

超分辨率重构(SRR)技术是提高遥感图像空间分辨率最有前景的方法,红外遥感成像的空间分辨率相对可见光要低得多,研究采用SRR技术提高红外扫描图像空间分辨率有重要意义。从有效应用SRR技术的条件出发,分析它应用于红外扫描成像系统需要解决的关键问题,对待重构图像错位量估计可通过采用固定错位量的多排传感器,并精确计算其曝光时间来解决;对待重构图像中噪声的去除,提出了基于序列逐像素比较滤波法。通过红外扫描成像实验,提出的方法可以有效解决待重构图像错位量估计不准与噪声对重构的影响。     

多线阵CCD亚像元成像超分辨率重构技术研究

为实现以多片线阵CCD亚像元成像为基础,提出一种超分辨率重构算法。首先,在高分辨率网格上建立插值模型;然后,辨识插值重构图像在线阵列方向和扫描方向的模糊核,得到整幅图像的模糊核;最后,采用带有Neumman边界条件(BCs)的梯度平滑Richard-Lucy(GSRL)滤波复原算法去除模糊,抑制了振铃效应。实验结果表明,用本文算法重构超分辨率图像的灰度平均梯度(GMG)值较双线性插值法提高了7.63,主观目视清晰、细节丰富;可以实现对多片线阵CCD亚像元成像的超分辨率重构,获取更高的系统分辨率。     

航空图像超分辨率重构技术

为了过滤掉航空图像中的模糊因素,获取高质量的航空图像,提出基于先验信息的航空图像超分辨率重构方法,采用基于互信息的航空序列图像配准方法完成航空图像的配准,通过最大信息熵复原方法对配准后的图像序列进行去模糊处理,获取航空图像序列。利用小波变换方法使得图像序列内存在的冗余信息以及互补信息融合至一帧图像中,通过O-MOMS插值算法对融合后的单帧航空图像进行插值重构,获取高分辨率的航空图像。实验结果说明,所提方法重构出的航空图像更为清晰,具有较低的信噪比和较高的重构效率。     

一种改进的IBP超分辨率重构算法

低分辨率图像的信噪比(SNR)和图像之间的配准误差对超分辨率重构效果的影响是该技术应用在遥感领域的瓶颈.本文针对图像信噪比对超分辨率重构的影响,对IBP算法进行了改进.实验表明,改进的IBP算法收敛速度快,相对于传统的POCS与IBP算法,它对低信噪比低分辨率图像的重构具有更好的效果.     

基于投影的单幅图像超分辨率重构算法

利用矩阵的Kronecker积,将现有的向量式成像模型转化为等价的矩阵式成像模型.基于新的矩阵式成像模型,提出了由高分辨图像构成的全空间到超分辨重构问题的解流形的投影算子,利用该算子可以直接得到超分辨重构结果.给出了理论分析.实验结果证实,所提算法能有效地改进超分辨率重构效果,对于标准Lenna图像,其峰值信噪比(PSNR)较双线性插值法和B-样条插值方法提高2.5dB以上,相对于其他算法也有不同程度的改进.     

基于OMP算法的可见光图像超分辨率重构方法

为了提高可见光图像的识别和检测能力,提出基于OMP算法的可见光图像超分辨率重构方法。建立可见光图像的视觉信息采集模型,采用空间锚点邻域特征匹配方法进行的可见光图像超分辨特征分解,提取可见光图像边缘轮廓特征量,结合残差特征估计高分辨率图像特征融合和优化分割,建立可见光图像的超分辨率重建特征分布集,采用边缘信息空间区域融合方法进行可见光图像的像素信息融合和优化特征重组,提取可见光图像的模糊度特征分布集,结合OMP算法实现可见光图像超分辨率重构。仿真结果表明,采用该方法进行可见光图像超分辨率重构的特征分辨能力较高,提高了可见光图像重构的输出峰值信噪比,且输出信噪比最高可达到61. 2。     

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...     

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.     

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。     

超分辨成像方法研究现状与进展

光电成像系统受到衍射极限和像元分辨率的制约,但研究者们从未停止过脚步来突破这一限制。本文介绍了近年来开展的各种超分辨成像方法和技术,包括应用于荧光显微成像的受激发射损耗技术、结构光照明技术、光激活定位技术与随机光学重构超分辨成像技术;可应用于显微系统、光存储与眼底成像的光瞳滤波技术与径向偏振光超分辨聚焦技术;应用于空间探测的合成孔径技术、光子筛成像技术、超振荡透镜技术、亚像元技术与焦平面编码技术。主要讨论了以上超分辨方法的原理、实现手段与目前发展水平。     

基于平衡二叉树的邻域嵌入单帧图像超分辨率重建算法

为了更好地解决基于学习的超分辨率算法的邻域嵌入问题,提出了一种使用k最近邻和平衡二叉树的邻域嵌入算法,该算法分为训练阶段和测试阶段.训练阶段,构建HR图像块、LR图像块的映射和平衡二叉树.测试阶段,首先将输入的去噪LR图像分离高频成分;然后训练LR特征空间,利用k最近邻寻找LR图像对应的HR图像块;最后通过高斯加权重建HR图像块,并与先前分离的高频成分合并.实验采用峰值信噪比(PSNR)、结构相似性度量(SSIM)和特征相似性度量(FSIM)评估算法的效果.从实验数据可以看出,提出的算法具有最高的PSNR值,SSIM值和FSIM值在大多数情况下高于其他算法,SSIM最高可达0.95,FSIM最高可达0.94.从实验结果图像可以看出,该算法的纹理保留得最好,图像自然丰富.此外,实验结果表明,该算法对高斯模糊和高斯噪声的鲁棒性也优于其他算法.     

基于非冗余信息的超分辨率算法

对于多帧超分辨率技术而言,最理想的情况是让高分辨的图像包含低分辨序列中所有信息。因此,序列各帧之间的差异信息,即非冗余信息,对于超分辨率重建而言有着非常重要的作用。然而,序列各帧在时空域有很强的相关性,非冗余信息相对于冗余信息十分微弱,难以直接提取。提出了一种改进超分辨率算法,提取并单独处理非冗余信息,再将其融合入超分辨率结果图像中,使超分辨率图像最大限度的保留低分辨序列中的非冗余信息。试验表明:该算法性能较为优异。     

基于图像超分辨率重建的质心细分的研究

本文提出了一种基于超分辨率图像重建的质心细分定位的新方法。在图像识别与匹配中,往往需要用到物理、数字等的特征提取方法,当给定的图像分辨率低时,就会使得所提取出的特征产生不可忽略的误差。为了解决这一问题,本文以实拍星图分辨率低的局限性为例,并结合传统的质心提取方法得到观测星图中任意两颗星的角距,验证新方法降低误差的有效性。实验结果表明,在同等系统误差条件下,相对于原始星图求得的星角距,基于超分辨率重建后的星图所得到的观测星的角距值更接近于真实角距,精度提高了29.56%,即新方法提取到的特征更加精确。     

一种基于对象的动态视频超分辨率复原算法

从视频序列中复原高分辨率的运动对象在众多研究领域具有重要的应用意义.本文针对动态视频中整体运动的刚性或准刚性对象,提出一种基于对象的超分辨率复原方案,首先引入基于6参数仿射模型的对象跟踪和匹配算法,用于视频中运动对象的自动跟踪和匹配.进而将该运动模型与最大后验概率(MAP)算法相结合实现了所跟踪对象的超分辨率复原.对仿真和实测序列的实验结果表明,这种基于对象的处理方法能够实现更为准确的运动估计,因而收到了更好的复原效果.