基于自类推的NSCT域单幅图像超分辨率重建

单幅图像放大是一个病态问题。本文利用图像局部结构的自相似性和可传递性,结合非下采样Contourlet变换(NSCT)的优点,提出一种基于自类推的NSCT域单幅图像超分辨率重建方法。首先采用NSCT对源图像和退化图像进行多尺度、多方向分解,得到用于学习的低通子带对和各带通方向子带对,再利用图像自类推技术生成高分辨率的低通子带和各带通方向子带,最后进行NSCT重构得到超分辨率重建的图像。实验结果表明,该方法可以独立进行,摆脱一般方法对训练集合的依赖,并且较一般的图像类推算法速度大为加快,能产生更为合理的细节,视觉边缘更清晰,图像更逼真。     

基于自类推与NSCT的单幅图像超分辨率技术

在很多实际应用中很难获得适当的图像训练集,但是单幅图像放大却是一个病态问题。利用图像局部结构的自相似性和可传递性,结合非下采样Contourlet变换(NSCT)的优点,提出一种基于自类推与NSCT的单幅图像超分辨率重建(SRR)方法。采用NSCT对源图像和退化图像进行多尺度、多方向分解,得到用于学习的各带通方向子带对,利用图像自类推技术生成高分辨率的各带通方向子带,与立方插值放大后的源图像进行NSCT重构得到超分辨率重建图像。实验结果表明,该方法可以独立进行,摆脱一般方法对训练结合的依赖,能产生更为合理的细节,视觉边缘更清晰,图像更逼真。     

图像静态超分辨率重建

给出一种图像重建算法,从一组静态低分辨率图像中重建高分辨率图像,算法适合观测条件都相似的情况.利用场景空间到观测图像的映射关系,将重建问题描述成一个典型的线性系统求逆问题,并借助总变分整形约束克服病态情况,最后实验表明了算法在改善空间分辨率和噪声抑制上的显著效果．     

自适应加权的总变分正则化图像超分辨率重建

在Farsiu提出的双边总变分正则化方法中,尺度加权系数和正则化参数为定值,在边缘、纹理区域,重建图像效果不理想。针对这个问题,提出了一种自适应加权正则化函数和正则化参数的重建算法,该方法利用图像局部结构信息控制权函数形状、带宽和正则化参数,使这些参数根据图像局部结构信息自适应地调整。对所提出的算法进行了仿真实验,实验结果表明,与传统的总变分重建方法相比较,该算法能更好地重建图像的纹理细节,重建图像的对比度高。     

基于小波的图像超分辨率重建算法研究

在遥感图像、医学图像等领域，最初获得的图像分辨率往往达不到期望的水平。图像的超分辨率重建就是在低分辨率图像基础上重建出高分辨率图像的技术。针对已有重建算法中的不足，给出一种将高频能量适当降低的SHR重建算法；并进而针对高频细节不能高质量重建的问题，利用小波反变换对高频信息进行重建，提出了一种基于小波高频重建的图像超分辨率重建算法——SHW算法。实验证明，这两种算法的性能比已有图像超分辨率重建算法均有不同程度提高。     

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。     

基于小波域的压缩感知超分辨率重建方法

为了提高超分辨率图像的重构效果,提出了一种基于小波域的压缩感知超分辨率重建方法.首先采用小波变换对低分辨率图像进行分解,得到低分辨率图像的低频子带与高频子带,然后采用压缩感知技术分别对低频子带和高频子带进行重建,并通过小波逆变换得到最终重建图像,最后在MATLAB 2012平台上进行仿真实验.结果表明,相对于其他图像重建方法,本文方法的重建图像视觉效果更加理想,不仅提高了低分辨率图像重建精度,而且提高了图像重建效率,可以满足图像处理的实时性、在线性要求.     

基于梯度变换的太赫兹图像超分辨率重建

为了提高太赫兹图像的质量，克服边缘模糊的缺陷，采用有理分形插值和基于梯度变换的图像超分辨率重建算法相结合的方法对0.25THz，0.50THz和0.75THz图像进行超分辨率重建实验，并对实验结果进行了定量分析，利用基于空间信息熵的直方图匹配技术和双边滤波器对重建算法进行了优化，增强了该方法的适用性。结果表明，对经过插值的太赫兹图像采用基于梯度变换的超分辨率重建方法处理之后，0.25THz，0.50THz和0.75THz图像的边缘强度分别提高了169%，116%和104%，平均梯度分别提高了16%，28%和24%；同时，成像信号频率和强度也会对重建性能产生影响。该方法可以有效恢复太赫兹图像当中的细节信息，锐化图像边缘，提高图像质量且不会出现振铃现象，具有较好的实用价值。     

基于多引导滤波器的单幅图像超分辨率技术

提出了一种基于多引导滤波器的单幅图像超分辨率方法.首先,该方法通过大量的自然图像建立高低分辨率图像块样本训练库,并通过聚类算法将具有相似性质的高低分辨率样本块进行聚类;其次,将输入低分辨率图像进行重叠分块,并在样本库中搜索最近邻的高低分辨率样本聚类;再次,将输入低分辨率图像块作为输入图像,与样本库中最近邻的低分辨率聚类样本作为引导图像,运用本文提出的多引导滤波器计算引导滤波器的参数;最后,利用样本库中最近邻的高分辨率聚类样本和引导滤波器的参数,通过多引导滤波器就可以重构高分辨率图像.实验结果表明,本文算法不仅能很好地重构图像的高频细节,还能很好地恢复图像的纹理特征.     

传输图像的子波域插值恢复算法

在丢包信道中传输子波编码图像时,存在图像重构问题.本文提出了一种新的图像恢复算法—树恢复子波域插值算法,可以用于恢复丢失的子波树系数.该算法利用二维子波变换具有的水平和垂直方向边缘检测能力,采用数学形态学膨胀运算,恢复已丢失的表示边缘信息的高频系数.为了保持图像边缘的尖锐性和方向性,本文采用了高频系数指导下的低频系数恢复技术.文章最后给出的仿真结果验证了该算法的有效性.     

基于小波域统计混合模型的图像降噪方法

该文提出了一种基于小波域统计混合模型的图像降噪方法。该方法首先利用尺度间模型,将小波系数分成两类：有意义系数和无意义系数;然后在小波域同层模型中运用最大后验概率估计方法,从有意义系数中恢复出原始系数。文章给出了算法的完整步骤。实验结果及分析表明了该方法的有效性。