改进的深度反投影网络红外图像超分辨率重建

深度反投影网络在可见光图像的超分辨率重建中具有优异的表现,本文探索将深度反投影网络应用到红外图像超分辨率重建中.针对红外图像对比度低、图像质量不高的特点,在深度反投影网络框架上作如下改进:在上采样模块之前添加串联层,将前一次的下采样输出和原始低分辨率预处理图像串联作为上采样模块的输入,以此提高网络获取图像高频信息的能力,增强生成图像的细节信息.实验结果证明,本文算法较改进前能够得到细节更加丰富、视觉效果更加良好的红外超分辨率重建图像.     

超分辨率重建算法在热红外图像中的应用

高空间分辨率的热红外图像能够提供更多关于目标场景的细节信息,因而在 计算机视觉、医学和遥感等诸多领域有着广泛的应用需求。由于通过提升热红外相机硬件性 能的方式往往需要付出高昂的代价,因此我们选择通过超分辨率重建的方式来提高热红外图像的空间分辨 率。本文所重建的热红外图像来源于舟山航拍试验,所用热红外相机由自主设计搭载。分别采 用凸集投影法和迭代反投影法对热红外序列图像进行了超分辨重建。实验结果表明,这两种算 法均能有效提高热红外图像的空间分辨率。     

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.     

改进的基于邻域嵌入的图像超分辨率重构

为了提高传统的基于邻域嵌入的图像超分辨率重构算法的时间效率,采用了一种利用图像块方向信息进行邻域选择和训练集分类的新方法。该方法首先利用图像块方向的不同对训练集进行分类,然后在分类后的子训练集中选择与待重构图像块的方向相似的图像块作为邻域进行重构,并对重构结果进行迭代反投影全局后处理,进一步提高重构质量,最后对改进方法进行数值实验验证。结果表明,该方法不仅把超分辨率重构的时间效率提高了10倍以上,而且重构质量也得到了改善,具有较好的实际应用价值。     

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。     

超分辨率图像重构算法的研究

图像重构是数字图像处理的一个重要分支。文章在图像配准的基础之上，采用后向投影迭代算法对图像序列进行了高分辨率重构，并给出了其中详细的算法和实现过程。实验仿真结果表明该算法运算量小，收敛速度较快．具有良好重构效果。     

亚像元图像超分辨率重建研究

针对光纤束耦合成像系统的特点,对存在亚像元量级空间错位的图像进行超分辨率重建研究.研究分为图像配准与融合两个步骤.图像配准时,用经典的Keren配准算法对两幅图像进行亚像元级别配准.图像融合时结合双三次插值对配准后两幅图像进行Mallat小波分解与重构,从而实现图像超分辨率重建.实验结果表明,简化后的配准算法配准精度达到了0.01像素,而经过插值与融合重建出来的图像空间分辨率提高了一倍,并且保留了丰富的细节信息.     

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.     

基刊、波的遥感图像超分辨率重建

基于小波算法,对低分辨率遥感图像数学模型进行分解,得到行和列方向上的信息后合成分辨率更高图像。本文详细介绍了该方法并进行了实验,验证了该方法的有效性。     

基于自适应金字塔的红外图像超分辨率重建算法

本文通过分析红外图像特性,提出了一种自适应金字塔的红外图像超分辨率重建算法,利用多层信息互补实现图像重建。本算法通过金字塔架构获取不同尺度字典的结构信息,并通过一个自适应均值融合计算单元,用于细节重组。实验结果表明,本文提出的算法能够获得清晰的图像,且视觉质量高。     

一种改进的POCS算法的超分辨率图像重建

图像超分辨率是指从一组模糊的低分辨率图像重建一帧清晰的高分辨率图像的过程.从经典的基于凸集投影POCS(projection onto convex set)的超分辨率图像重建算法出发,分析重建后高分辨率图像边缘模糊的成因,提出了一种基于保留边缘信息的POCS超分辨率图像重建算法.实验结果表明该方法能够明显地提高重建图像的质量.     

一种改进的超分辨率算法

利用多帧低分辨率图像重建一幅高分辨率图像成为迫切需要解决的难题,传统基于插值的超分辨率算法的发展受到了限制。本文基于重建方法,根据低分辨率图像帧间运动参数,提出了合理的权重分配算法。实验结果表明,图像超分辨率重建取得了良好效果。     

L1范数的图像超分辨率重建改进算法

介绍了超分辨率图像重建的数学模型和基于L1范数的超分辨率重建算法。针对在所观察到的低分辨率图像不足情况下的超分辨率重建,在L1范数重建算法框架下,提出了一种新的代价方程,在其中增加了关于丢失的低分辨率观察信息的保真度项和正则化项。该方法同时对高分辨率图像和丢失的观察信息进行迭代估计,并利用交替最小方法求解。实验结果表明,在获取低分辨率图像较少的情况下,提出的算法能够有效地改进重建的结果。     

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。     

基于稀疏表示的超分辨率图像重建

针对单幅低分辨率图像的超分辨率重建,提出一种基于稀疏表示的改进算法。通过联合输入低分辨率图像块和对应生成的高分辨率图像块,求解其在高低分辨率字典对上的稀疏表示系数,再将系数与高分辨率字典结合,修正输出的高分辨率图像块。仿真实验表明,文中提出的算法有效提升了重建图像的质量。     

基于提升小波双正则化超分辨率算法

基于已有算法的不足,提出了双正则化约束算法。该算法引入图像平滑性约束和点扩散函数平滑性约束,进一步缩小了重建的解空间。在提升小波域上实现算法求解,减少了算法的运算量,加快了迭代收敛速度,降低了对图像平稳性的要求。实验结果表明,该算法能有效地重建超分辨率图像。     

基于小波融合的图像残差金字塔超分辨率研究

提出了基于小波融合的残差金字塔超分辨率方法.算法包括2部分:1) 通过残差金字塔分别估计多幅低分辨率图像的高频信息;2) 对获得的多幅高分辨率图像进行小波融合.图像的低频部分采用能量加权法融合,高频部分采用最大值规则融合,融合后经过小波反变换得到最终的高分辨率图像.研究结果表明,该算法避免了大量的迭代运算,降低了计算复杂度,使大尺寸图像的超分辨率成为可能.     

一种基于自适应正则化的图像超分辨率重建模型

为了解决图像超分辨率重建中稀疏系数解的不精确问题,提出了一种自适应正则化级联稀疏矩阵的超分辨率重建算法。根据图像自身的特性,采用自适应正则化项对图像局部进行处理,实现图像的局部约束,构建基于自适应正则化的稀疏矩阵函数。另外,为了提高图像的可清晰性,采用基于全局约束的退化模型改进处理结构。测试结果表明,与其他常用算法相比,提出的自适应正则化的图像超分辨率重建算法能够构建更清晰的超分辨率图像。