基于广义递归反演的超分辨率图像恢复研究

超分辨率图像恢复在安全监控、遥感监测、军事侦察等领域有着广泛的应用.文中提出了一种基于广义递归反演的超分辨率图像恢复算法,该算法引入正则化因子,将超分辨率图像恢复的欠定问题转化为适定问题,然后通过递归的方式来恢复超分辨率图像.仿真结果表明,该算法能从多帧低分辨率图像来恢复所需要的超分辨率图像,而且算法是稳健的和有效的.     

基于MAP及边缘保持的超分辨率图像复原

MAP方法是解决超分辨率图像复原问题中的一种常用算法,但通常的MAP超分辨率复原方法对于图像的边缘部分没有进行特殊处理,导致最终恢复出来的高分辨率图像的边缘过于平滑.提出了一种局部边缘自适应的先验概率算子,并将其应用于MAP超分辨率图像复原中.与传统方法相比,它具有更好的图像边缘保持能力,因此获得了更佳的视觉效果.     

基于稀疏表征的图像超分辨算法研究

超分辨率图像恢复的目的是由低分辨率图像得到高分辨率图像,通常需要多幅或者一系列连续低分辨率图像．在有限的条件下很难得到。针对单幅图像超分辨问题,结合当前比较先进的稀疏表征方法,利用训练集图像的先验信息．对单幅图像进行超分辨率恢复。结合当前先进的基于稀疏表征的超分辨算法,采用误差反投影方法,提出一种改进的算法．对超分辨率...     

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。     

基于MTF的影响超分辨率图像重建效果的因素分析

从超分辨率图像重建技术在工程中应用的角度出发,总结了图像采集仪器获取满足超分辨率图像重建技术需求的满足特定相位相关的原始图像序列方法,从理论上导出了由于仪器精度问题带来的原始图像序列相位关系对超分辨率图像重建效果的影响公式,统一了传统探测和亚像元探测的关系,也说明了超分辨率图像重建技术选择图像序列具有50%像元位移的原因.     

联合运动估计与基于模式的超分辨率图像重构

超分辨率图像重构是利用关于同一场景的多帧低分辨率图像重构出一幅具有更高分辨率图像的过程.已有的超分辨率图像重构算法对于人工模拟所得到的低分辨率图像序列具有很好的效果,但对于拍摄到的真实低分辨率图像序列而言,重构后的图像往往比较模糊,有时甚至仍然无法分辨.为此,本文提出了一个联合运动估计与基于模式的超分辨率图像重构算法.实验结果表明,该算法能够得到优于常规算法的高分辨率图像.     

图像的超分辨率处理方法研究现状

超分辨率图像处理技术是利用多帧关于同一场景的有相互位移的低分辨率降质图像来重建高分辨率高质量图像的技术.介绍了超分辨率图像处理技术的概念和起源;综述了超分辨率图像恢复研究现状.重点对单帧和多帧超分辨率图像处理的主要方法进行了评述,并总结对比了频域和空域方法的优缺点.最后对超分辨率图像处理技术的技术难点和前沿问题研究前景进行介绍和展望.     

一种改善被动毫米波重建图像质量的方法

凸集投影(POCS)算法是一种广泛使用的超分辨率图像重建方法.针对常规POCS算法收敛速度慢、存在边缘震荡效应的问题,论文结合被动毫米波图像降质模型,提出了一种用于被动毫米波图像超分辨率重建方法.该方法有效利用图像的边缘信息,根据不同的区域选择相应的松弛算子,同时建立边缘约束集来保证边缘图像的尖锐性.实验结果表明.在有效消除边缘震荡效应的同时提高了收敛速度,适用于被动毫米波图像的超分辨率处理.     

基于图像分辨率增强算法的场景生成技术

针对高分辨率真实感的虚拟环境及场景浏览时变焦观察的需要,研究了基于图像的高分辨率场景生成技术。图像分辨率增强技术是指利用已采样的信息来重新构建分辨率更高的场景图像,包含单帧图像的分辨率增强和多帧图像序列的分辨率增强两种技术。对于单帧图像的分辨率增强技术,提出了一种基于熵变分的图像分辨率增强算法。该算法在贝叶斯估计和最大熵原理的基础上,将图像像素点梯度信息应用到图像分辨率增强中,从而建立起一种基于图像梯度信息的各向异性自适应分辨率增强算法。对于多帧图像序列的超分辨率复原技术,在单帧熵变分模型的基础上,将双边滤波技术引入到图像超分辨率复原中,建立了一种基于广义熵变分的图像超分辨率复原模型,提出了一种基于几何距离和梯度信息的双重加权各向异性分辨率增强算法。实验结果表明:使用本文算法得到的高分辨率复原图像具有较高的峰值信噪比和视觉质量,与传统图像分辨率增强算法相比具有一定的优势。     

一种光照不均图像的超分辨率重建算法研究

针对传统的超分辨率重建算法在处理光照不均图像时会出现图像失真、边缘模糊等问题,在原有的极深超分辨率(VDSR)重建方法基础上提出一种光照不均图像的超分辨率重建方法.首先,采用自门控Swish激活函数代替常用的ReLU激活函数,解决了随着网络层数加深出现的过拟合问题,可以更好地学习映射关系;然后,在网络结构中提出一种简洁...     

应用双稀疏模型和ADMM优化的图像复原

基于稀疏表示的图像复原算法大都只利用了图像整体稀疏性和局部稀疏性中的一种,未充分利用图像的先验知识,基于此,本文在稀疏表示框架下,同时引入Cosparse解析模型及平移不变小波变换两种稀疏模型,前者对每个图像块进行稀疏表示,后者对整幅图像进行稀疏表示,从而提出一种新的图像复原算法。该算法将图像复原问题归结为双稀疏正则化问题。为求解复杂的双稀疏优化问题,本文运用交替方向乘子法 (ADMM, Alternating Direction Method of Multipliers)算法将该约束优化问题分解为若干子问题,通过交替迭代求解获得复原图像。实验中对不同类型的模糊图像进行了复原,其结果表明该算法对于各类模糊图像的复原比现有复原算法效果更好,从而验证了算法的有效性。      

基于分裂Bregman方法的全变差图像去模糊

针对全变差图像去模糊问题,提出一种基于分裂Bregman方法的全变差图像去模糊算法,利用分裂Bregman方法来优化其求解问题模型.首先,利用辅助变量及其二次惩罚泛函把全变差去模糊优化问题转化为一个等价的无约束优化问题;其次,基于Bregman迭代将其分解为两个子优化问题采用交替最小化方法进行求解;最后,根据子问题结构特点,采用离散傅立叶变换及收缩技术实现子优化问题的快速计算.实验结果表明,在不同尺寸模糊核条件下本文算法能获得有效、稳定的图像复原结果,相比FTVd、IRN去模糊方法,本文算法复原效果更好,计算更加快速.     

带总观测误差约束的模糊图像恢复

模糊图像恢复是数字图像处理领域的研究热点之一,总变差(Total Variation, TV)规整化可以很好的保持图像的细节,然而,传统的TV图像恢复模型需要考虑最优的正则化参数,由此,提出了一族包含不同规整化因子,带总观测误差约束的模糊图像恢复模型,并分为去模糊和去噪两步求解此模型。在去模糊过程中,利用共轭梯度法求出一个满足总观测误差约束的初始恢复图像;在去噪过程中,首先,以去模糊的结果作为初始估计;其次,针对 范数最小化问题,利用优化—最小化(Majoriziation-Minimization, MM)算法的思想,将原问题转化为一系列容易求解的优化子问题;最后,极小化优化子问题,得到最终的恢复图像。实验结果表明,该算法对模糊图像的恢复效果是显著地。      

Multi-user Opportunistic Spectrum Access with Channel Impairments

In this paper, we study the impact of sensing error and channel fading on the decision process of a multiple secondary user network in a primary network whose channel occupancy states are modelled as a Bernoulli process. We present a randomized access strategy to maximize total secondary network throughput. The proposed method guarantees that the probability of collision between primary and secondary users in each channel is less than the predefined value of P_c = ξ. To find the optimal access strategy, we formulate secondary network throughput as an optimization problem. Then, using the KKT method to find the solution, we break the original problem into multiple sub-problems. Then, we employ an iterative algorithm and a sifting technique to reduce the number of sub-problems and find the final solution. The solution contains both the SUs access strategies and their detector operating points. In other words, we present a solution for the cross layer design in cognitive radio networks. At the end, we compare our results with two other heuristic strategies (1) equi-probable strategy and (2) weighted strategy and show that the proposed method outperforms them in terms of total throughput.     

红外运动目标的灰度分层检测算法

为了减少复杂背景下红外序列图像运动目标检测中的漏检与误检,采用了基于灰度分层的瞬时帧差检测算法。该算法根据红外图像的特点,使用自适应门限将当前帧图像分为两层,采用基于区域的像素间差分代替传统的基于空间坐标的像素间差分,通过对高灰度层检测时得到的高置信度的检测结果去引导对低灰度层的检测。实验表明,该算法可对多类多个运动目标进行有效检测,且具有较高的实时性与鲁棒性。     

基于结构组全变分模型的图像压缩感知重建

针对基于传统全变分(TV)模型的图像压缩感知(CS)重建算法不能有效地恢复图像的细节和纹理,从而导致图像过平滑的问题,该文提出一种基于结构组全变分(SGTV)模型的图像压缩感知重建算法。该算法利用图像的非局部自相似性和结构稀疏特性,将图像的重建问题转化为由非局部自相似图像块构建的结构组全变分最小化问题。算法以结构组全变分模型为正则化约束项构建优化模型,利用分裂Bregman迭代将算法分离成多个子问题,并对每个子问题高效地求解。所提算法很好地利用了图像自身的信息和结构稀疏特性,保护了图像细节和纹理。实验结果表明,该文所提出的算法优于现有基于全变分模型的压缩感知重建算法,在PSNR和视觉效果方面取得了显著提升。     

基于深度迭代网络的穿墙雷达成像方法

联合墙杂波抑制及图像重建迭代求解方法为当前较前沿的穿墙雷达成像(through-the-wall radar imaging, TWRI)算法,能够同时抑制墙体杂波和重构目标图像,但仍存在收敛速度慢、人工干预过多以及对初值的选取敏感等问题,难以快速精确地进行目标成像. 针对上述问题,本文提出一种联合低秩与稀疏分解驱动的可学习深度迭代网络的TWRI方法. 该方法利用穿墙雷达场景下墙体杂波的低秩特性以及待重建目标图像的稀疏特性,首先将穿墙雷达成像问题建模为联合低秩与稀疏分解的正则化优化问题,然后采用变分框架和轮换策略将优化问题转化成两个准线性优化子问题并推导其更新公式,最后将上述迭代更新公式映射到网络结构中,展开成深度迭代网络模型并采用端到端学习策略,形成融合物理模型的可学习深度迭代网络框架. 仿真结果表明该方法能够有效抑制墙体杂波,相对于其他方法显著提高了目标成像精度和速度.     

一种光学图像的快速超分辨率重建方法

图像超分辨率重建技术旨在复原成像系统截止频率之外的信息,提高图像的分辨率．针对单幅光学图像,提出了基于分层的超分辨率重建方法．在算法的实施过程中,提出一种级联模板的快速运算方法．实验结果表明了方法的简洁和有效性．     

基于迭代多尺度深度网络的非线性逆散射成像方法

传统的迭代多尺度方法 (iterative multiscaling approach, IMA)在求解非线性电磁场逆散射问题时,可以自适应提高成像空间的分辨率,缓解逆问题的病态性,但容易陷入局部极小值且无法做到实时重构.文中提出了一种迭代多尺度深度网络,该网络结合传统IMA和深度网络的优势,将IMA展开成深度网络模型（命名为IMA-Net）.该方法迭代地执行一种感兴趣区域(regions of interest, ROI)提取算法,在不同尺度的ROI内构建目标函数,并将目标函数分解成若干个优化子问题,子问题的迭代更新过程映射到深度网络结构中,交替更新相关分量,求解出目标函数的最优值.实验结果验证了该方法的有效性和优越性,为目标实时重构提供了一个有效方案.     

稀疏重构算法

在图像处理和统计中,对于一个大的欠定线性方程,找到一个稀疏的近似解,是一种常见问题。标准方法是对一个目标函数求极小值,其中目标函数由一个二次的误差项l₂加一个正则项l₁组成。针对一般性问题,目标函数有一个光滑的凸函数加上一个非光滑的正则项,提出了一种算法结构。该算法通过求解最优子问题,从而求出稀疏的近似解。仿真结果表明,该算法能够更快的求出近似解,在正则项是凸的情况下,可以证明目标函数的极小解是收敛的。