基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.     

基于二阶广义方向性全变分的图像超分辨率重建方法

超分辨率图像重建是增强那些低成本成像传感器系统图像分辨率的有效措施.得益于先验知识的学习,低分辨率图像可有效地被超分辨率增强.针对带有明显边缘结构的图像,现有方法没有有效利用高阶信息从而会出现一些光滑的图像细节.本文针对这种特殊的图像结构,研究一种基于二阶广义方向性全变分的重建方法来挖掘那些隐含的高阶可利用信息.二阶广义方向性全变分不仅可以作为先验知识,还能作为稀疏正则项抑制伪影和噪声.实验结果表明,本文方法可有效超分辨率重建结构边缘图像,并可获得高分辨率图像细节和纹理特征.     

基于GNR先验的电力设备热成像超分辨率方法

电力设备红外图像在电力设备状态监测、故障识别等方面发挥着重要作用。针对红外图像应用时存在的分辨率低,清晰度不足的问题,本文提出一种基于图像梯度范数比（Gradient Norm-ratio, GNR）先验约束的压缩感知电力设备红外图像超分辨率方法。通过分析电力设备红外图像在不同采样比时重建图像高频信息的变化规律,将GNR先验引入传统压缩感知超分辨率模型中。并针对改进后的模型设计了有效的求解算法,通过半二次分裂方法引入辅助变量,对不同变量交替迭代求解,实现红外图像超分辨率重建。仿真实验结果验证了GNR先验信息的引入,有利于超分辨率算法取得更好的重建效果。与现有经典超分辨率方法相比,本文方法重建图像无论在主观视觉效果还是客观评价指标上都有了较好的提升。     

自适应约束下的双边全变差正则化超分辨率重建

在经典的双边全变差( BTV)超分辨率重建中,加权系数和正则化参数的恒定性导致重建结果边缘保持能力受限。为此,提出了一种自适应约束的BTV正则化先验模型。算法首先定义了图像的局部邻域残差均值以区分当前像素属于平坦区域还是边缘区域;然后针对加权系数的不变性导致边缘削弱的问题,利用边缘方向和垂直边缘方向扩散性的不同,设计自适应权重矩阵;最后根据代价函数的极值问题推导出迭代公式,从而进行图像的超分辨率重建,重建过程中采用自适应的方法确定正则化参数,以便求得代价函数的全局最优解,提高了算法的鲁棒性。实验结果表明：与双三次线性插值法和经典BTV算法相比,该算法取得了更好的视觉效果和更高的峰值信噪比,更多地保留了图像的边缘细节信息。     

基于MAP的单帧字符图像超分辨率重建

字符是很多图像处理应用关注的区域,增强字符图像分辨率往往能提高字符识别率。针对字符图像纵横和对角线方向纹理特征,提出了一种提取不同方向纹理及图像平滑度度量的新方法,并在最大后验概率框架下,实现了单帧图像超分辨率重建算法。算法利用自适应可调模板作为卷积核,将纹理信息引入图像先验模型,最终将超分辨率重建转化为一个目标函数最优化问题。实验表明,该算法能有效提高字符图像的识别率,且对噪声具有较好的鲁棒性。     

基于L曲线调参的FOTV-ADMM超分辨率图像重建

基于图像高频细节的重构问题,建立了全变分(Total Variation,TV)约束重建模型,选取交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解分析.TV-ADMM重建算法能够保持图像边缘信息,纹理细节的刻画却不够理想,图像平滑部分的重建出现阶梯效应和过平滑现象.为此,提出使用分数阶约束的模型算法FOTV-ADMM求解.该算法对图像纹理高频细节重建效果较好,能锐化图像边缘区域,同时为降低经验调节参数对图像重建的影响,减少调节参数的时间,引入L曲线调节参数,找出了正则化参数最优解.实验结果表明,基于L曲线调参的FOTV-ADMM算法能够更好地保留图像的纹理和平滑部分的细节特征,在峰值信噪比和结构相似度评价指标上,FOTV对高频细节的重建改善效果更佳.     

基于结构稀疏化的红外图像超分辨率重建算法

本文在稀疏编码的基础上,对红外图像特性进行分析,提出了一种基于结构稀疏化的红外图像超分辨率重建算法。该算法将稀疏作为先验知识,通过对稀疏进行结构化编组,学习字典中高能量的区域,通过纹理代价函数和结构代价函数来实现图像的超分辨率重建。实验结果表明,本文算法较传统的稀疏编码方法在PSNR方面提高4-5dB,重建后的图像更加清晰,背景层次感更强。     

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.     

融合内外特征的图像超分辨率算法

针对单一先验知识不足以约束病态严重的图像超分辨率问题,本文提出了融合内外特征的图像超分辨率算法。针对图像的自相似性,通过采用基于内部特征的深度卷积网络学习来增强输入图像的细节纹理,去除超分辨率图像伪影;同时,使用基于外部图像的稀疏约束方法来学习图像结构信息,并结合高频残差字典来解决超分辨率重建中的高频信息缺失问题;最后通过卷积稀疏方法分别从基础层和细节层来融合内外特征的重建图像,以获得细节清晰、去伪影的超分辨率图像,进一步提高图像质量。与传统算法相比,本文算法在重建图像的纹理特征和质量上都得到了增强,且视觉效果与峰值信噪比较传统算法有所改善。     

一种新的正规自适应边缘保护的超分辨率算法

主要提出了一个新的正规自适应超分辨率算法.正规项只惩罚图像中可能包含有大量噪声的低频部分,同时保护图像中可能包含有锐利边缘的高频部分,其中,惩罚阈值自动地被一个线性函数决定.对于正规参数的选择,这里不采用固定的正规参数而是提出一个对数函数在每次迭代时自适应地选择正规参数.该算法经过仿真实验和真实的红外图像测试,实验结果显示该算法鲁棒性好,可以有效复原图像细节.     

小波域多角度轮廓模板变分模型的单幅图像超分辨率重建

近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.     

基于FRGF和改进PCNN的红外可见光图像融合

为解决图像融合中边缘细节保留不理想的问题,本文提出了一种快速滚动引导滤波器和改进脉冲耦合神经网络相结合的红外可见光图像融合方法。提出的快速滚动引导滤波器可以较好地在保留边缘、细节纹理信息的同时有效提高运行效率。首先,利用快速滚动引导滤波和高斯滤波对源图像进行多尺度分解;其次,为了使基础层图像更好地突出轮廓信息,采用相似性匹配的融合规则对图像进行融合;然后,细节层采用改进参数自适应脉冲耦合神经网络规则进行融合;最后,经过多尺度重构得到融合结果图。实验结果表明,与其它5种融合方法相比,该算法不仅在视觉效果上得到了提升,而且能够充分保存图像的边缘和纹理等信息,极大地提高了运行效率。另外,该方法在客观评价指标上均优于对比方法。     

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。      

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。     

基于显著导向的可见光与红外图像融合算法

为了克服当前较多可见光与红外图像融合方法主要利用图像能量特征来融合图层内容,忽略了图像的显著信息,导致融合图像中存在对比度较低等不足,本文以图像的显著信息为导向来融合可见光与红外图像.首先,借助L0和L1范数来设计平滑变换,对可见光与红外图像进行分解,获取边缘等特征保持较好的基础层和细节层.然后,利用频率调谐(FT)方...     

遥感面阵凝视图像并行超分辨重建方法

遥感面阵凝视成像系统可以得到同一场景的多幅图像,研究者常利用这一特点进行多幅图像超分辨重建,以提高遥感图像空间分辨率。但是这类研究往往将超分辨过程独立出来,很少结合成像系统的几何参数优化超分辨重建模型。因此,对成像姿态影响图像不同方向上分辨率的问题进行了分析,提出了基于姿态角的各向异性模糊估计,使退化模型更加准确。同时,为了进一步精确面阵凝视成像系统超分辨重建中的匹配参数估计,提高由系统引起的全局初始匹配误差的包容性,基于最大后验法提出并行优化超分辨率图像和匹配参数的方法。算法充分利用成像过程信息并实时优化匹配参数,实验结果证明与现有方法相比,不仅可以得到细节信息更丰富,更易于人眼观察的遥感图像,并且均方误差降低0.3倍左右,信息熵平均提高1.2。     

一种新的基于MAP的纹理自适应超分辨率图像复原算法

 本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.     

改进的卷积神经网络红外图像超分辨率算法

基于卷积神经网络的图像超分辨率算法可以分为图像尺寸放大和图像细节恢复/增强两个步骤,在细节恢复过程中,卷积层直接从输入图像中学习特征并将该特征作为下一个卷积层的输入数据。为了加强输入图像和卷积层各通道图像的特征表达能力,提出了一种新的卷积神经网络算法,该算法对输入图像和通道图像进行选择性灰度变换而增强特征表达的能力。实验结果表明,在公共红外图像数据集和实验室采集的红外图像数据集上,所提方法的超分辨率重建效果均优于当前的几种典型算法,能够恢复的细节信息更多。