图像超分辨率重建算法综述

超分辨率图像重建是指由同一场景的低分辨率退化图像(或图像序列)重建出一幅(或多幅)清晰的高分辨率图像。该技术已经成为图像处理领域的研究热点,然而传统的方法已很难获得突破,今年来过完备稀疏表示为超分辨重建提供了一种新的思路,也成为了目前的热点。本文通过分析超分辨率技术的三个方面的算法,分析了其以往和最新的研究进展,并对未来超分辨率技术的发展重点作了一点展望。     

基于点扩散函数模型的激光水下图像重建

在激光照明条件下,如何提高水下图像的能见度问题一直是大家研究的热点。去噪和复原有助于提高成像图像的成像质量,但是,图像的分辨率仍然受到限制。图像超分辨率重建技术可以超越硬件限制而提高成像图像的分辨率,其中凸集投影法能灵活的结合先验知识,所以得到广泛的应用。先验知识如点扩散函数的精确程度能够提高重建方法的准确性。因此,本文将几种经典的点扩散函数模型,包括一个简化了的基于光线传播的点扩散模型,结合到凸集投影重建方法中,运用于一个半导体激光水下成像系统。根据实验结果,我们能得出结论:基于点扩散函数的超分辨率重建方法,能够有效地提高水下激光成像中图像重建的质量。     

图像退化仿真系统的设计与实现

超分辨率图像重建效果是由参与重建的各个低分辨率图像的质量、数量、图像的相对关系等因素及重建算法决定的。因此在超分辨率重建研究中,往往需要用一些已知的图像来研究算法的效果。现实中,要按算法实验的要求获取一定数量的同一场景的低分辨率图像是很困难的。本文设计并实现了一种基于MATLAB语言的图像退化仿真系统,该系统可以用一张高分辨率图像作为图像源,按实验要求,经过图像形变(包括旋转、亚像素平移、模糊化、降采样和加噪)采样得到一组低分辨率图像;利用这组低分辨率图像就可以研究图像重建的效果及方法的可行性等。实验表明,该图像退化仿真系统是可行的,由于有原图像,还可以对重建效果进行很好的评价。     

基于显著性稀疏表示的图像超分辨率算法

提出了一种全新的基于视觉显著度和上下文稀疏分解的图像超分辨率算法。利用人眼视觉感知显著的区域往往趋向于高度结构化的特性,字典学习和稀疏分解过程中可以捕获更多细节特征。在字典学习部分,视觉显著区域提取出的图像样本用来训练显著字典。在先验模型的部分,由于视觉显著区域通常趋于高度结构化,基于上下文的稀疏分解被用来进一步探索相邻图像块之间的联系。实验结果表明,所提出的方法在性能上优于其他最新的方法,峰值信噪比(PSNR)增益最大。主观结果也显示,所提出的方法可以有效减少假影现象,并保持更多细节。     

基于稀疏表示法的绝缘子单片红外图谱的 故障诊断方法

以3伞瓷质劣化绝缘子单片为研究对象,利用红外成像技术采集成像,对获取图像依次进行分层切割、同态滤波去噪,形成绝缘子单片集。基于绝缘子单片的红外故障图像的稀疏特性,以单片集中的单张红外图谱作为原子构建过完备字典,利用贪婪思想下的正交匹配追踪算法,迭代求解被识别图像在此字典的稀疏表示系数,根据系数中的非零项来诊断被识别的绝缘子单片是否劣化。经过测试分析,基于稀疏表示的绝缘子故障诊断模型具有较好的识别准确率,对于劣化绝缘子的初期发热也具有极高的识别能力,对背景因素的干扰也具有较高的抗噪性。     

梯度插值与可变阈值改进的POCS算法

传统的凸集投影(projection onto convex sets,POCS)算法只能得到低对比度、低信噪比、边缘模糊的图像。为了解决上述问题,提出了1种改进的基于视觉机制的POCS超分辨率重建算法,引入可变校正阈值的数据一致性约束,以突出目标边缘和滤除背景噪声;对传统POCS算法的插值算法进行改进,采用基于梯度的插值算法进行图像的初始估计。实验结果表明,改进的POCS算法可以获得高质量的图像对比度,另外其重建效率、结构相似性指数和峰值信噪比也都有所改进。     

基于局部敏感自调制字典的压缩感知矿井图像重构

本文针对现存的稀疏字典学习模型存在的计算负担重、训练速度慢、需要大量训练样本等问题,基于压缩感知和字典学习理论,提出了一种局部敏感自调制字典学习模型。该模型使用分块图像的压缩感知测量学习字典,加入局部约束条件,保证字典稀疏表示图像的能力,且能够快速得到解析解。实验结果表明,本文模型学得的字典相比其他字典,在矿井图像重构上体现了较好的优越性,重构的矿井图像保留了较真实的非平滑的结构特征,并且具有较好的鲁棒性,可以达到矿井图像自适应重构的目的。     

基于α-expansion的超分辨率图像重建

为了获得更精确的超分辨率重建结果,在重建高分辨率像素时,剔除对重建贡献微弱甚至没有贡献的低分辨率像素,保留有所贡献的低分辨率像素。对低分辨率像素的贡献进行程度化,获得所有低分辨率像素的加权贡献,并进一步建立超分辨率重建的极小化能量函数,使用α-expansion算法求解能量函数极小化问题。在求解过程中,保留3个像素间的关系,可避免由能量函数的近似而引入的错误信息。实验结果表明,所提方法是合理、有效的。     

基于领域相似性迁移学习的行为识别

提出了1种基于领域相似性的迁移学习算法,利用其他领域中的相关数据帮助完成当前领域的行为识别任务。首先通过典型相关性分析,得到领域间相似性的约束并与目标分类模型相联系,以充分利用相关领域中的有效信息;然后学习1种具有重建性、判别性、域适应性的跨域字典对,将不同领域的数据特征映射到同一空间;最后根据映射特征和分类模型对行为进行识别。利用网络中的大量图像,在UCF Sports Action数据集上的实验结果表明了算法的有效性。     

倒谱参数稀疏分解下的汉语音谎言检测

为了提高汉语语音的谎言检测准确率,提出了一种对信号倒谱参数进行稀疏分解的方法。首先,采用小波包滤波器组对语音信号进行多频带划分,求得子频带对数能量并进行离散余弦变换以提取小波包频带倒谱系数,结合梅尔频率谱系数得到倒谱参数;其次,依据K-奇异值分解方法分别利用说谎和非说谎两种状态下的语音倒谱参数集训练得到过完备混合字典,在此字典上根据正交匹配追踪算法对参数集进行稀疏编码提取稀疏特征;最终进行多种分类模型下的识别实验·实验结果表明,稀疏分解方法相比传统参数降维方法具有更好的优化性能,本文推荐的稀疏谱特征最佳识别率达到78.34%,优于其他特征参数,显著提高了谎言检测识别准确率。