超分辨率重建图像质量评价算法分析

由于广泛的应用前景和实用价值,图像超分辨率重建(SR)技术已经成为计算机视觉领域和图像处理方面的研究热点,而重建图像的质量评价作为超分辨率问题的重要一方面同样引起学者的广泛关注。文章重点分析了应用于超分辨率重建图像的质量评价算法,并对不同算法的特点比较分析,最后就图像评价算法的进一步发展作出思考和探索。     

采用双网络结构的压缩视频超分辨率重建

在实际应用中,为了节省带宽和方便存储,图像和视频通常被下采样和压缩,而降质的图像与视频无法满足人们的实际需求。针对这一问题,采用了一种双网络结构的超分辨率重建方法,首先建立下采视频与压缩后的低分辨率视频的映射关系,然后建立质量增强的压缩视频与原始视频的映射关系,最终在输出端可以得到质量提升的视频帧。在网络中,采用密集残差块来提取压缩视频中丰富的局部分层特征,并结合全局残差学习恢复视频中的高频信息。在压缩环节,采用高性能视频编码来验证所提算法的有效性。实验结果表明,相比于主流的视频编码标准和先进的超分辨率重建算法,所提方法能有效提升编码视频的率失真性能。     

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.     

基于自适应对偶字典的磁共振图像的超分辨率重建

为了提高磁共振成像的图像质量,提出了一种基于自适应对偶字典的超分辨率去噪重建方法,在超分辨率重建过程中引入去噪功能,使得改善图像分辨率的同时能够有效地滤除图像中的噪声,实现了超分辨率重建和去噪技术的有机结合。该方法利用聚类—PCA算法提取图像的主要特征来构造主特征字典,采用训练方法设计出表达图像细节信息的自学习字典,两者结合构成的自适应对偶字典具有良好的稀疏度和自适应性。实验表明,与其他超分辨率算法相比,该方法超分辨率重建效果显著,峰值信噪比和平均结构相似度均有所提高。     

采用光流特征对齐的压缩视频超分辨率重建

针对在有限带宽条件下,传输视频时,往往需要先将视频下采样为低分辨率视频再进一步压缩,从而导致视频质量严重降低的问题,提出了一种采用光流特征对齐的压缩视频超分辨率重建方法,能够有效恢复下采样和压缩过程造成的信息损失,最终获得高质量的重建视频。首先将压缩后的低分辨率视频通过质量增强网络进行去压缩处理,其次通过超分辨率重建网络将质量增强的低分辨率视频恢复至原始分辨率。上述网络均采用基于光流的特征对齐,并且特征以双向传播的方式在网络中进行传播。实验结果表明,相比于高效视频编码（High Efficiency Video Coding,HEVC）标准和传统的超分辨率重建算法,当量化参数（Quantization Parameter,QP）为32时,所提方法在随机接入配置下,峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）平均可提升0.92 dB,有效提升了压缩视频的质量。     

超分辨率图像重建分析和应用

高分辨率图像是人们一直追求的目标。超分辨率图像重建技术就是人们获取高分辨率图像的一种很重要的方法。本文分析了超分辨率图像重建的原理,总结了各种重建方法的特点,指出超分辨率图像重建的发展历史、应用场合和前景。     

基于针对性字典的压缩图像稀疏超分辨率重建

为了有效地重建压缩低分辨率图像,提出一种基于针对性字典的压缩图像稀疏超分辨率重建算法.首先,根据压缩低分辨率图像的形成特点,对训练库图像进行针对性的下采样压缩编码处理,进行超完备字典的训练;然后,通过训练所得的针对性字典对压缩低分辨率图像进行稀疏表示的超分辨率重建.为进一步恢复图像的高频信息,进行了针对性残差字典训练,并对图像进行高频信息补偿,得到稀疏重建后的图像主观效果更加突出,客观评价参数也得到较大提升.实验结果表明,该算法对压缩图像的超分辨率重建更具针对性,具有良好鲁棒性和高效性.     

基于深度学习的视频超分辨率重建方法

本文首先探讨了SRCNN模型在视频超分辨率重建中的应用,随后结合GPAC框架的多媒体处理能力,实现了低分辨率视频流的超分辨率重建,并通过自适应流媒体传输技术优化了带宽和视频质量之间的平衡。     

基于在线字典学习的人脸超分辨率重建

针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和求解重建稀疏系数阶段的λr,以获取最优的超完备字典和稀疏系数用于图像重建。实验结果表明,目标图像峰值信噪比比同一类型的稀疏编码超分法平均提高了0.85 d B,结构相似性增加了0.013 3,有效地抑制了噪点和伪影。在含噪人脸图像应用中,噪声水平提高时,峰值信噪比下降相对较平缓,提升人脸超分效果的同时改善了算法的噪声鲁棒性。     

图像超分辨率重建处理算法研究

超分辨算法为实现图像和视频分辨率提高的一种方法。其广泛应用于数字电视、医学图像处理、军事与遥感等领域。超分辨率图像通过融合多帧相似的低分辨率图像达到提高图像细节的目的。本文对使用较为普遍的频域方法、非均匀差值算法、凸集投影算法、迭代反投影算法、最大后验概率方法及基于学习的方法进行了分析,并简要讨论了超分辨算法未来的发展方向。     

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。     

超分辨力图像处理技术进展及在遥感中的应用

介绍了超分辨力图像复原处理技术在国内外的进展,着重介绍了基于Baves分析的单幅图像超分辨力算法——基于Poisson分布的最大似然法(PML)、基于Poisson分布的最大后验概率法(PMAP)和基于Markov约束的Poisson分布的最大后验概率法(MPMAP)以及基于多画幅MPMAP超分辨力复原算法,并给出了单幅MPMAP法以及多画幅MPMAP超分辨力复原算法处理实际遥感图像数据源的结果,表明超分辨力图像处理技术在遥感成像领域具有良好发展和应用前景,有效实现了遥感图像中高频分辨力的复原。     

一种用于图像超分辨的实时高精度像素内配准方法

在超分辨图像复原处理中,像素内的配准精度、速度是超分辨图像最终实现的实时性和高质量的关键因素。传统的利用泰勒级数展开像素内配准方法实时性较差;分级少的块匹配配准精度相对较低。该文提出一种基于分段双三次多项式拟合的分级块匹配像素内配准技术,在算法复杂度低的同时保证了配准精度,并在文中给出了实验统计结果。     

基于正则化处理的超分辨率重建

针对超分辨率重建的病态反问题进行研究。该文首先介绍超分辨率重建的数学模型,分析了最小二乘估计及其病态性。其次给出病态问题的正则化泛函,并提出一种自适应动态确定正则化系数的方法,主要研究了迭代算法的收敛性和参数选择等问题。实验结果验证了方法的有效性。